AI Washing : quand les entreprises blâment l’IA pour justifier leurs licenciements

Depuis 2024, les grands groupes mondiaux attribuent massivement leurs réductions d’effectifs à l’intelligence artificielle. Pourtant, les données économiques racontent une histoire très différente : l’IA ne représente que 4,5 % des licenciements enregistrés. Enquête sur ce mensonge par omission stratégique.

Qu'est-ce que l'AI Washing ? Une rhétorique stratégique

Le terme « AI washing » décrit une pratique simple mais efficace : attribuer des décisions commerciales défaillantes — surembauche mal gérée, mauvaise stratégie, ou simple ajustement de marché — à l’intelligence artificielle plutôt qu’à des erreurs de direction.

Contrairement à la fraude déclarée, il ne s’agit pas toujours de mensonge volontaire. C’est un usage stratégique du flou.

Cas d'école : le discours unifié des géants technologiques

Les exemples se multiplient rapidement. En mai 2025, Klarna annonce que son effectif a diminué de 40 % en partie grâce à l’IA. Salesforce réduit de 4 000 ses postes d’assistance client, affirmant que l’IA peut accomplir 50 % de ce travail. Pinterest, Meta, Microsoft : le discours s’unifie autour d’une même justification.

La vérité sous-jacente ? Les entreprises ont embauché frénétiquement pendant la pandémie, puis doivent corriger le tir. Mais dire « nous nous sommes trompés » aux investisseurs et aux salariés ? C’est trop coûteux pour une valorisation boursière. L’IA devient le responsable idéal d’une réalité bien plus prosaïque.

Les chiffres réels : le grand écart avec le discours

L'IA représente 4,5 % des licenciements

Entre janvier et novembre 2025, selon Oxford Economics et Challenger, Gray & Christmas, les chiffres parlent d’eux-mêmes :

• 55 000 licenciements attribués à l’IA
• 245 000 réductions liées aux « conditions de marché »
• Part réelle de l’IA : 4,5 %

Les véritables causes ? Le ralentissement de la consommation, les taux d’intérêt élevés, la surembauche post-pandémie — facteurs largement documentés mais infiniment moins séduisants pour les marchés financiers.

Aucune perturbation macroéconomique observable

En février 2026, le Yale Budget Lab publie une enquête qui devrait refroidir les prophètes de l’apocalypse technologique :

• Aucune perturbation macroéconomique visible du marché du travail
• L’occupational mix (répartition des emplois entre secteurs et compétences) reste stable
• Le chômage des métiers exposés à l’IA n’a pas augmenté

Paradoxe glaçant : 71 % des Américains interrogés par Reuters et Ipsos en août 2025 craignent de perdre leur emploi à cause de l’IA. L’anxiété est réelle, massive, documentée. Mais les preuves économiques du cataclysme annoncé ? Elles n’existent pas.

Martha Gimbel, économiste au Yale Budget Lab, le formule sans détour : « Aucune façon de regarder les données qui montre des effets macroéconomiques majeurs à ce moment précis. Si vous êtes directeur général, vous ne dites pas ‘j’ai mal géré la situation macroéconomique’. Vous dites ‘le monde change rapidement, il faut nous redimensionner’. »

Pourquoi les CEO choisissent cette rhétorique

L’équation est transparente : invoquer l’IA, c’est transformer une faiblesse managériale en adaptation forward-looking.

Les investisseurs récompensent les coupes d’effectifs (signal d’efficacité immédiate). L’IA, c’est le futur, l’innovation, la promesse. Combiner les deux dans un même discours offre une formule irrésistible pour les marchés financiers.

Admettre publiquement une surembauche, c’est voir sa crédibilité tomber. Blâmer l’IA, c’est se placer du côté des gagnants de demain. C’est un scapegoat parfait : le phénomène est réel, suffisamment flou pour défier les preuves immédiates, et assez lointain pour que les conséquences se manifestent trop tard pour être vérifiées.

Le vrai coût caché : la workslop

Mais voilà qui complique le narratif : la charge opérationnelle réelle de l’IA existe bel et bien.

Qu'est-ce que la workslop ?

En novembre 2025, Zapier publie une enquête auprès de 1 100 salariés d’entreprises de 250+ collaborateurs. Les résultats décrivent un phénomène majeur : la workslop — les défaillances, imprécisions et erreurs générées par l’IA, qui demandent ensuite des heures de correction manuelle.

Les chiffres alarmants

58 % des travailleurs passent plus de 3 heures par semaine à refaire ou corriger les outputs de l’IA. 35 % passent plus de 5 heures par semaine. En moyenne : 4,5 heures par semaine — soit plus d’une demi-journée de travail — consacrées au nettoyage des dégâts.

Les tâches les plus touchées : l’analyse de données (55 %), la recherche et rédaction (52 %), les communications client (46 %). Autrement dit, les tâches critiques.

Les conséquences négatives mesurées

74 % de ces travailleurs ont connu au moins une conséquence négative directement causée par une défaillance IA : travail rejeté par un collègue, fuite de données, plainte client, délai manqué, problème de conformité.

Les équipes finance et comptabilité sont les plus frappées : 4,6 heures par semaine de cleanup, 85 % en subissant les conséquences.

Le paradoxe central

Or, et c’est le paradoxe qui rend l’AI washing si audacieux : 92 % de ces mêmes travailleurs affirment que l’IA booste leur productivité.

Même avec cinq heures hebdomadaires de nettoyage, même en gérant les crises. L’IA n’est donc pas inutile — elle transforme réellement le travail. Mais elle génère une charge cachée que personne ne compte dans le bilan officiel.

Comment fonctionne l'astuce

C’est ici que l’AI washing révèle son astuce :

1. Les entreprises crient sur les toits les gains d’efficacité supposés
2. Elles invoquent l’IA pour justifier les réductions d’effectifs
3. Elles ne parlent jamais de cette workslop

Les 4,5 heures hebdomadaires de correction manuelle ? Elles sont absorbées par le salarié restant — l’un des peu à avoir survécu à la vague de licenciements. Voilà comment l’IA réduit nominalement les effectifs sans réduire réellement le travail.

La fatigue à l'IA s'installe chez les consommateurs

Les consommateurs aussi commencent à voir clair dans ce jeu.

Une étude de la Washington State University, relayée par CNET en 2025, révèle un phénomène mesurable : l’inclusion du mot « IA » dans une description de produit réduit l’intention d’achat. Les consommateurs relient désormais « IA » à l’inflation de promesses creuses.

45 % des consommateurs refusent de payer un abonnement ou une fonctionnalité qualifiée « IA ». 25 % les trouvent carrément inutiles. Carl Pei, fondateur de Nothing, a envisagé d’éliminer le terme « IA » de ses produits, tellement le mot s’était chargé de désenchantement.

Pendant ce temps, 56 % des entreprises — selon PwC — admettent n’avoir obtenu « absolument rien » de leurs investissements IA jusqu’à présent.

Paradoxe vertigineux : on licencie pour l’IA, on blâme l’IA pour les coupes, mais on reconnaît secrètement que l’IA n’a rien livré.

Les régulateurs commencent à tirer la sonnette

Les premières poursuites

La SEC, l’agence américaine de régulation boursière, n’a pas tardé à remarquer. En mars 2024, elle a poursuivi deux sociétés : Global Predictions et Dellia. Le motif : elles promettaient une IA capable de prédire les performances de marché, puis ne livraient rien de fondé. Les fausses promesses relevaient de la fraude en valeurs mobilières. Le message était clair : dire « on a de l’IA » ne suffit pas ; il faut livrer.

Gary Gensler, alors président de la SEC, a déclaré en octobre 2025 : « L’AI washing peut violer les lois sur les valeurs mobilières. »

Le flou réglementaire persiste

Pourtant, et c’est crucial, aucun cas SEC majeur n’a encore visé directement l’AI washing dans les licenciements. Le cadre réglementaire reste vague : existe-t-il une ligne entre « hype marketing » et « mensonge punissable » ? Où passe-t-elle ? Nul ne le sait avec certitude.

De plus, l’arrivée au pouvoir de l’administration Trump, traditionnellement favorable à la déréglementation, jette une ombre sur la trajectoire de cet enforcement. Accélération ou ralentissement : la question reste ouverte.

Gagnants et perdants du jeu

L’AI washing crée des vainqueurs et des vaincus bien distincts.

Gagnants court-termistes : directeurs généraux qui font crédible auprès des investisseurs et des conseils d’administration, cabinets de conseil qui vendent massivement des projets de « transformation IA », vendeurs d’outils IA qui surfent le buzz.

Perdants : salariés licenciés sur justifications floues ou falsifiées, qui subissent une perte d’emploi sans compréhension réelle de sa cause ; consommateurs confrontés à des produits lancés à la hâte avec un label « IA » qui ne signifie rien ; chercheurs et développeurs en IA véritable dont le signal devient noyé dans le bruit ; régulateurs eux-mêmes dont la crédibilité s’érode face à un phénomène qu’ils peinent à saisir légalement.

Trois scénarios d'évolution

Scénario A : l'AI washing persiste

La SEC multiplie les cas de poursuites, mais reste marginale (moins de 5 par an). Les CEO continuent à manier le flou. Les consommateurs se détournent davantage des produits estampillés « IA ». La crédibilité des entreprises se fissure progressivement.

Scénario B : une vraie récession accélère l'adoption de l'IA

Soudain, l’occupational mix se déplace visiblement. Le chômage augmente dans certains secteurs. L’IA n’est plus un scapegoat commode : elle devient une vraie perturbation observable. L’AI washing devient inutile, remplacé par un vrai débat sur les impacts technologiques. La régulation accélère.

Scénario C : le backlash collectif

Les 74 % de travailleurs ayant subi des conséquences négatives de l’IA, combinés à l’épuisement du public face au hype, entraînent un repli. Les investissements IA ralentissent. L’innovation subit. Le contrôle public s’intensifie, mais sur une technologie devenue moins attrayante.

Les signaux clés à surveiller

Comment savoir si l’AI washing persiste ou s’effondre ?

Enforcement régulateur : la cadence des poursuites SEC dépasse-t-elle 10 cas majeurs en 2026 ?

Impact réel sur l’emploi : l’occupational mix du BLS se déplace-t-il sensiblement pour certains rôles ?

Communication d’entreprise : le mot « IA » dans les appels aux investisseurs disparaît-il ou s’intensifie-t-il ?

ROI mesurable : les données PwC et Gartner rapportent-elles du ROI réel ou persistons-nous dans les promesses ?

Cadre légal : de nouvelles lois d’obligation de transparence sur l’IA en recrutement vont-elles émerger ?

Sentiment collectif : les sondages Reuters et Ipsos montrent-ils un repli de la peur de l’IA ou son intensification ?

Conclusion : le flou comme arme

L’AI washing n’est pas tant un mensonge déclaré qu’un usage stratégique du flou. Les entreprises ne disent pas formellement « c’est l’IA qui a licensié ces gens ». Elles disent « nous nous adaptons à l’ère de l’IA », ce qui est techniquement vrai.

Elles exploitent l’absence de régulation claire, l’anxiété publique massifiée, et le fait que les preuves macroéconomiques d’un cataclysme IA n’existent pas encore. Mais cette stratégie fabrique ses propres contradictions. Elle génère une charge opérationnelle massive (les 4,5 heures de workslop par semaine). Elle érode la confiance des consommateurs et des salariés. Elle finit par réveiller les régulateurs.

Le Yale Budget Lab dit « pas de perturbation encore ». Mais le MIT dit que c’est techniquement possible. Goldman Sachs dit que 6 à 7 % de la main-d’œuvre pourrait être déplacée si l’adoption accélère. Et Martha Gimbel, l’économiste du Yale Budget Lab, le formule avec une candeur troublante : « Le monde change vite. On se redimensionne. »

Jusqu’à présent, le redimensionnement était blâmé sur l’IA. Demain, si l’IA vraiment fonctionne, le blâme ne suffira plus.

FAQ

Qu'est-ce que l'AI washing exactement ?

L’AI washing est une pratique qui consiste à attribuer des décisions commerciales défaillantes — surembauche mal gérée, mauvaise stratégie, ou simple ajustement de marché — à l’intelligence artificielle plutôt qu’à des erreurs de direction. C’est un usage stratégique du flou plutôt qu’un mensonge déclaré.

Combien de licenciements sont réellement dus à l'IA selon les données économiques ?

Entre janvier et novembre 2025, selon Oxford Economics et Challenger, Gray & Christmas, l’IA ne représente que 4,5 % des licenciements enregistrés, avec 55 000 licenciements attribués à l’IA contre 245 000 réductions liées aux conditions de marché.

Qu'est-ce que la workslop et quel impact a-t-elle sur les travailleurs ?

La workslop désigne les défaillances, imprécisions et erreurs générées par l’IA qui demandent ensuite des heures de correction manuelle. En moyenne, 58 % des travailleurs passent plus de 3 heures par semaine à refaire ou corriger les outputs de l’IA, et 74 % ont connu au moins une conséquence négative directement causée par une défaillance IA.

La SEC poursuit-elle les entreprises pour AI washing ?

La SEC a poursuivi deux sociétés (Global Predictions et Dellia) en mars 2024 pour des promesses de résultats IA infondées, mais aucun cas SEC majeur n’a encore visé directement l’AI washing dans les licenciements. Le cadre réglementaire reste vague.

Quels sont les signaux à surveiller pour détecter si l'AI washing persiste ?

Les signaux clés incluent la cadence des poursuites SEC, les déplacements observables du occupational mix du BLS, l’évolution de la mention « IA » dans les communications d’entreprise, le ROI réel rapporté par les études, l’émergence de nouvelles lois de transparence, et les tendances de sentiment collectif dans les sondages.