Quand le propriétaire d’une entreprise de 60 personnes apprend que Shopify fait justifier chaque embauche au regard de l’IA, sa première réaction est presque toujours un calcul. Si un concurrent peut tourner avec moins de monde, pourquoi pas nous ? Souvent, un membre du conseil ou un investisseur pose la même question dans la semaine.
Les notes à l’origine de ce débat sont réelles, et les conséquences que certaines entreprises ont subies pour avoir copié la logique des coûts sans repenser le travail le sont tout autant. En 2025, deux entreprises très connues ont annoncé des règles AI-first et ont essuyé des critiques publiques, l’une d’elles allant jusqu’à s’excuser de la manière dont son message avait été reçu. Une troisième a fait marche arrière sur un pari dans le service client qu’elle avait pourtant affiché en grand.
Une entreprise AI-first tire profit de rôles repensés et d’une équipe différemment constituée, alors que les règles d’effectifs qui font de l’IA un motif de coupes tendent à se retourner contre la qualité et la confiance. Cet article présente ce que disaient ces notes, ce que les données sur l’emploi permettent d’affirmer, quels métiers évoluent et une règle d’effectifs simple adaptée à une PME suisse. Si vous cherchez quelqu’un qui construise et pilote des workflows d’agents au sein de votre équipe, notre service d’ingénierie IA en mode forward-deployed est fait pour cela.
La question des rôles a deux articles jumeaux. Pour le versant logiciel, lisez du développeur au product manager IA. Pour le modèle opérationnel qui sous-tend cet article, lisez les entreprises AI-native.
Ce que disaient réellement les notes des entreprises AI-first
L’essentiel du débat repose sur des paraphrases ; il vaut donc la peine de lire les propos de près.
Shopify, note de mars 2025, rendue publique en avril 2025. Le CEO Tobi Lütke a indiqué à ses équipes que l’usage réflexe de l’IA est une attente de base. D’après l’article de BetaKit, les équipes doivent démontrer pourquoi elles ne peuvent pas obtenir avec l’IA ce qu’elles veulent avant de demander davantage de postes et de ressources, et des questions sur l’usage de l’IA seraient ajoutées aux évaluations de performance et aux évaluations par les pairs. Le titre de presse résume cela par « prouvez que l’IA ne sait pas faire le travail ». Or la note demande une démonstration, et c’est cette démonstration qui est intéressante.
Duolingo, avril 2025. Le CEO Luis von Ahn a annoncé une approche AI-first dans laquelle l’entreprise cesserait progressivement de recourir à des prestataires pour les tâches que l’IA peut traiter, comme le cite Entrepreneur. Une vague de critiques publiques a suivi. En août 2025, il a déclaré au New York Times : « C’était de ma faute. Je n’ai pas donné assez de contexte ». Fortune a rapporté qu’à l’en croire, Duolingo n’avait pas réduit son personnel à plein temps et n’en avait pas l’intention. Cette affirmation émane de l’entreprise elle-même.
Aucune des deux entreprises n’a publié d’étude reliant sa règle à des résultats. Une note montre ce que la direction souhaite. Elle ne démontre pas que la règle fonctionne.
Le filtre « prouvez que l’IA ne peut pas le faire » : ce qu’il apporte et où il échoue
Ce filtre a un vrai mérite. Une équipe qui doit écrire pourquoi un agent ne peut pas traiter une tâche doit d’abord décrire cette tâche, ses entrées, ses exceptions et son niveau de qualité attendu. Beaucoup de demandes d’embauche s’avèrent décrire un processus que personne n’a jamais cartographié. C’est là que commence la refonte des processus, qui met souvent au jour des gaspillages avant même qu’un modèle n’entre en jeu.
Les risques sont tout aussi concrets :
- Le test devient une mise en scène. Une équipe fait un essai bâclé avec un assistant conversationnel, il échoue, et l’embauche est validée. Ou l’inverse : plus personne n’ose demander des renforts.
- La perte de qualité reste invisible pendant des mois. La capacité réduite se voit dans le taux de réclamations et le churn bien après la décision sur les effectifs.
- Les meilleurs éléments lisent la note comme une menace. Les collaborateurs compétents, qui retrouvent facilement du travail ailleurs, risquent de partir les premiers.
- Les prestataires absorbent la pression. Réduire la capacité externe est facile et discret, mais le savoir-faire s’en va avec eux.
Aucune étude n’isole l’effet d’un tel filtre sur la productivité, la qualité ou la fidélisation ; toute entreprise qui prétend détenir une preuve, dans un sens ou dans l’autre, avance donc à l’aveugle. Considérez le filtre comme le déclencheur d’une revue structurée, avec un responsable désigné et un résultat écrit, et pas comme une règle qui décide à elle seule.
Ce que Klarna et Duolingo montrent d’une IA guidée par les coûts
Klarna est l’exemple le plus cité. Son communiqué du 27 février 2024 indiquait que l’assistant IA avait traité 2,3 millions de conversations dès le premier mois, soit le travail de 700 agents à plein temps. C’est un chiffre déclaré par l’entreprise, sans audit indépendant. En mai 2025, Entrepreneur a rapporté, en citant un entretien accordé à Bloomberg, que le CEO Sebastian Siemiatkowski présentait l’investissement dans la qualité du support humain comme l’avenir de Klarna.
Deux détails comptent pour une PME. Les effectifs de Klarna ont baissé d’environ 22 %, pour atteindre quelque 3 500 personnes, surtout par attrition plutôt que par des licenciements annoncés. Et l’entreprise n’a pas prétendu avoir remplacé tout le service humain : elle a recommencé à recruter des agents et a conservé la possibilité de parler à une personne.
Duolingo illustre un autre échec. L’orientation produit est peut-être judicieuse, mais le ton de la note a heurté clients et collaborateurs en même temps, et le CEO a reconnu publiquement avoir donné trop peu de contexte. La leçon porte sur la communication et le calendrier. Annoncer une règle d’effectifs avant de pouvoir montrer à ses collègues ce que deviendra leur travail provoque précisément la réaction qu’on voulait éviter.
Les deux cas mènent à la même lecture. Le coût est un résultat légitime de l’automatisation. Mais lorsqu’il devient la question de départ, avant la qualité et l’expérience client, il tend à produire des résultats qu’il faut ensuite corriger publiquement.
Ce que disent les données sur l’emploi à ce stade
Les preuves sont plus minces que ne le laissent croire les titres assurés, et elles ne vont pas toutes dans le même sens.
- Enquête au niveau des entreprises. Le document de travail NBER 34836 a interrogé près de 9 000 dirigeants dans sept pays. Les répondants déclarent pratiquement aucun effet net sur l’emploi au cours des trois dernières années et en attendent peu dans les trois prochaines. Ils indiquent que l’IA a relevé la croissance de la productivité du travail d’environ 0,2 % par an jusqu’ici. Ce sont des opinions déclarées, et non des résultats mesurés.
- Jeunes actifs dans les métiers exposés. L’étude de Stanford “Canaries in the Coal Mine”, fondée sur des données de paie, constate un recul relatif de l’emploi de 13 % chez les 22 à 25 ans dans les professions les plus exposées à l’IA, concentré là où l’IA tend davantage à automatiser qu’à assister.
- Une lecture plus nuancée. L’étude d’Anthropic sur le marché du travail ne trouve pas de hausse systématique du chômage chez les travailleurs exposés, seulement des indices d’un ralentissement des embauches de jeunes. Ses auteurs travaillent pour un fournisseur d’IA, ce qu’il faut garder en tête.
- Licenciements attribués à l’IA. Fortune a rapporté qu’Oxford Economics lit les données américaines sur les licenciements comme attribuant environ 4,5 % des pertes d’emploi déclarées à l’IA durant les onze premiers mois de 2025, et soupçonne certaines entreprises de présenter comme une histoire d’IA des licenciements dus à d’autres causes, comme un excès d’embauches. Ce chiffre couvre un seul pays et une seule période.
- Block. Fortune a rapporté que Block a supprimé environ 4 000 postes et que Jack Dorsey a relié cette décision à des équipes plus petites et plus plates, tout en évoquant des embauches excessives pendant le Covid. La part de l’IA est contestée.
Le bilan honnête est que l’effet net sur l’emploi total reste faible à ce jour. Le signal à surveiller concerne les débuts de carrière, et il devrait influencer la façon dont vous construisez les postes d’entrée dans votre entreprise.
Les rôles qui se déplacent dans une entreprise AI-first
Les évolutions ci-dessous sont indicatives. Aucun jeu de données neutre ne suit les intitulés de poste au sein des entreprises ; il faut donc les lire comme des tendances à tester plutôt que comme des prévisions.
| Rôle aujourd’hui | Où se déplace le travail | Ce dont la personne répond |
|---|---|---|
| Développeur | De l’écriture des premières versions à la revue et à l’orchestration de ce que produisent les agents | Spécifications, revue, tests et décision de livrer |
| Agent de support | Des réponses de routine aux exceptions, aux escalades et aux décisions de jugement | Cas difficiles, ton et retours qui améliorent l’agent |
| Personnel des opérations ou de l’administration | De l’exécution des étapes à la responsabilité d’un workflow de bout en bout | Précision, coût et exceptions du workflow |
| Nouveau : responsable du harness ou forward-deployed | Construction et maintenance du système d’agents autour du modèle | Contexte, outils, autorisations, supervision et corrections |
| Nouveau : responsable de l’évaluation | Vérifier que les résultats de l’agent respectent le standard | Jeux de tests, règles de revue et rapports de qualité |
L’Economic Index d’Anthropic de mars 2026 indique que les tâches de programmation continuent de passer d’un usage assisté à des workflows plus automatisés. Ce sont des données d’usage du produit d’un seul fournisseur : elles confirment la direction pour la ligne du développeur, sans rien dire du nombre d’emplois. Le détail de cette évolution figure dans notre article sur les développeurs qui deviennent product managers IA.
Pour le support et les opérations, le schéma est plus facile à imaginer qu’à mesurer. Un agent de support qui traitait quarante tickets de routine par jour revoit désormais les cinq que l’agent n’a pas pu clore et consigne pourquoi. C’est un autre métier, avec un autre mélange de compétences, et il demande une autre formation.
Deux rôles sont assez nouveaux pour mériter un nom. Le premier est la personne qui est responsable du harness autour du modèle. Le second est celle qui est responsable de l’évaluation. Dans une petite entreprise, une seule personne peut cumuler les deux, et cette combinaison se rapproche de ce que le marché appelle un forward deployed engineer. Le nombre d’offres d’emploi portant ce titre a fortement augmenté à partir d’un niveau très bas, mais les chiffres de croissance publiés se contredisent ; n’y lisez donc pas de valeur précise.
Une règle d’effectifs pour une entreprise AI-first de 20 à 200 personnes
Plutôt qu’un filtre qui demande aux équipes de prouver une absence, appliquez une règle fondée sur des preuves, des responsables et une limite de temps. C’est une suggestion issue de notre pratique, qu’aucune étude publiée n’a testée.
- Exigez un test écrit du workflow avant toute embauche. L’équipe demandeuse documente la tâche, fait tourner un agent sur un échantillon de cas réels et consigne la précision, le temps et les exceptions.
- Désignez un responsable du résultat. Une seule personne répond de la production de l’agent, que la réponse soit oui ou non.
- Validez l’embauche quand le test révèle un écart. Un test raté est une information. Une embauche qui suit un écart documenté se défend mieux qu’une embauche faite à l’instinct.
- Redéployez avant de réduire. Si un agent absorbe du travail, déplacez d’abord les personnes vers les rôles de gestion des exceptions et de revue. Ne réduisez que par le roulement normal, et attendez un trimestre avant de juger.
- Protégez le vivier des débutants. Si le signal de Stanford sur les débuts de carrière se confirme, les entreprises qui cessent d’embaucher des juniors perdent ceux qui seraient devenus les relecteurs de demain. Conservez quelques postes de junior construits autour de la revue des résultats des agents.
- Suivez la qualité en même temps que le coût. Taux de réclamations, reprises et délai de résolution doivent figurer sur la même page que les économies.
Un cas illustratif : un distributeur de 40 personnes automatise les e-mails de confirmation de commande et réduit de moitié le travail de deux administratifs à temps partiel. La décision judicieuse consiste à confier à ces deux personnes la file des exceptions et le suivi des fournisseurs dont personne n’avait le temps de s’occuper, et à conserver les deux postes. Les économies prennent la forme de capacité.
Embaucher, acheter ou intégrer des compétences IA en Suisse
Les PME suisses attendent surtout des gains d’efficacité, et rares sont celles qui prévoient des équipes plus petites. Dans l’étude AXA et Sotomo 2026 sur le marché du travail des PME, menée auprès de 336 PME de Suisse alémanique et romande, une sur neuf seulement s’attendait à des suppressions de postes dues à l’IA. Parmi les PME ayant de l’expérience avec l’IA, 12 % pensaient avoir besoin de moins de personnel et 47 % attendaient un gain de temps sans changement d’effectifs. AXA est un assureur qui a un intérêt dans le marché des PME ; lisez donc cette étude comme un indicateur de sentiment.
Côté rémunération, l’étude salariale SwissICT 2026, relayée par Netzwoche, donne une médiane globale de CHF 130 200 pour l’ICT et de CHF 177 938 pour les experts seniors, sur la base de 37 112 salaires issus de 214 entreprises. Il s’agit des salaires des métiers ICT en général, pas des ingénieurs IA en particulier, et le rapport signale une pénurie dans des domaines comme l’IA, le cloud, la cybersécurité et les données. Le coût employeur dépasse le salaire de base.
Vos options sont au nombre de trois :
- Embaucher. Cela convient quand le travail sur l’IA est continu et que vous pouvez attirer et garder un profil senior. Le plus difficile est de trouver quelqu’un qui a exploité des agents en production et ne s’est pas contenté de prototypes.
- Acheter. Une plateforme ou un fournisseur convient pour des tâches standard bien définies. La contrepartie est un contrôle moindre sur le contexte, les autorisations et l’évaluation.
- Intégrer. Un ingénieur qui travaille dans vos systèmes pendant une période définie convient quand il faut construire les premiers workflows et disposer ensuite d’une équipe capable de les exploiter. Les chiffres figurent dans ce que coûte un ingénieur IA embarqué.
Un point juridique mérite un appel avant toute annonce. Le droit suisse (art. 335d ss du Code des obligations) prévoit des obligations de consultation en cas de licenciements collectifs, et les seuils dépendent de la taille de l’établissement et du nombre de licenciements sur une période de 30 jours. Les chiffres couramment cités partent de dix licenciements pour les établissements de plus de 20 et de moins de 100 travailleurs. Vérifiez le texte en vigueur et vos contrats avec un avocat en droit du travail, car nous ne pouvons pas donner de conseil juridique et les détails comptent.
Ce qu’il reste à retenir pour l’entreprise AI-first
Les notes s’accordent sur un point : l’usage de l’IA est désormais une attente de management, et les responsables devront justifier leurs demandes de capacité au regard de celle-ci. Les données s’accordent sur un autre : jusqu’ici, l’IA a davantage changé ce que font les personnes que le nombre de personnes que les entreprises emploient, avec le signal le plus net chez les plus jeunes dans les métiers les plus exposés.
Pour une PME, cela dessine un ordre d’opérations simple. Repensez un processus, déplacez les personnes vers les rôles que cette refonte crée, mesurez la qualité à côté du coût et laissez les effectifs découler du résultat. Les entreprises qui partent du chiffre des effectifs ont tendance à redécouvrir, en public et à leurs frais, ce qu’un client est prêt à tolérer.
Questions fréquentes
Qu'est-ce qu'une entreprise AI-first ?
C'est une entreprise qui fait de l'usage de l'IA une attente par défaut dans le travail quotidien et qui vérifie si l'IA peut traiter une tâche avant d'ajouter des collaborateurs ou des prestataires. L'étiquette vient des notes internes rendues publiques par Shopify et Duolingo en 2025. Elle décrit une posture de management, la vraie question est donc de savoir ce que l'équipe fait concrètement autrement.
Une PME doit-elle exiger des équipes qu'elles prouvent que l'IA ne peut pas faire le travail avant d'embaucher ?
Oui, mais comme étape de revue et jamais comme droit de veto. Demander un court test écrit de la piste IA oblige les équipes à décrire le processus, ce qui met souvent au jour des gaspillages. Une règle rigide qui bloque les embauches quel que soit le résultat peut reporter les problèmes de qualité sur les clients, comme le suggère le revirement de Klarna en 2025.
L'IA réduit-elle les effectifs en pratique ?
Les meilleures données actuelles montrent un effet net limité jusqu'ici. Une enquête du NBER auprès d'environ 9 000 dirigeants ne constate pratiquement aucune variation nette de l'emploi, tandis que Stanford mesure un recul relatif de l'emploi de 13 % chez les 22 à 25 ans dans les métiers les plus exposés. Les effets varient selon le rôle et l'âge, mieux vaut donc mesurer vos propres workflows.
Quels rôles changent le plus quand une entreprise adopte l'IA ?
Les développeurs se déplacent vers la revue et l'orchestration de ce que produisent les agents, les agents de support vers les exceptions et les escalades, le personnel des opérations vers la responsabilité d'un workflow de bout en bout. De nouvelles responsabilités apparaissent autour de l'évaluation et du harness de l'agent. Ces évolutions restent indicatives, car aucun jeu de données neutre ne suit les intitulés de poste au sein des entreprises.
Que doit vérifier une PME suisse avant de supprimer des postes à cause de l'IA ?
Avant toute annonce, faites contrôler par un avocat en droit du travail vos contrats de travail et les règles de consultation applicables aux licenciements collectifs (art. 335d ss du Code des obligations). Les seuils dépendent de la taille de l'entreprise et du nombre de licenciements sur 30 jours. Assurez-vous aussi que le workflow IA fonctionne de façon stable depuis des mois, car réembaucher coûte cher.