En 2022, j’ai été embauché pour développer des opérations d’IA dans une startup de technologie de santé. À l’époque, nous étions pionniers dans l’utilisation de l’IA dans le domaine de la santé, ce qui nécessitait une surveillance humaine importante jusqu’au jour où ce n’était plus le cas. GPT-4 est sorti et peu de temps après, j’ai réalisé que mon rôle n’avait plus de sens. Mon employeur est arrivé à la même conclusion. Il n’était pas prévu de reconvertir ou de redéployer mes compétences vers une nouvelle version du métier. Mon travail vient de disparaître.
Je dis cela non pas comme un avertissement, mais pour le contexte. Quand je vois la vague de licenciements massifs se justifier comme une transformation de l’IA, je ne la lis pas avec distance. J’ai été de l’autre côté de cette décision.
Ce que j’ai appris en descendant
Ce que je comprends maintenant et que je n’avais pas bien compris à l’époque, c’est que mon employeur ne se transformait pas. Ils optimisaient. Les licenciements offrent des mathématiques claires. Ils offrent des économies immédiates et une histoire simple pour les conseils d’administration désireux de voir un retour sur leurs investissements en IA. Ce qu’ils n’offrent pas, c’est une plus grande capacité, une influence créatrice ou de nouveaux types de travail. J’étais un coût qui a disparu. La question sous-jacente sur la capacité : que doit devenir ce travail ? – n’a jamais été demandé.
Lorsque des entreprises comme Meta et Microsoft suppriment des dizaines de milliers d’employés, de nombreux dirigeants y voient une étape nécessaire pour devenir davantage « natifs de l’IA ». Je reconnais ce qui se passe réellement. Ils choisissent la voie la plus rapide vers l’efficacité plutôt que la voie plus difficile vers la réinvention. Ils reportent leur chemin vers la transformation parce que c’est plus facile que de reconfigurer la façon dont le travail est effectué. Je connais personnellement la différence entre ces deux choses.
Ce que j’ai fait différemment
Aujourd’hui, je dirige AI Operations chez Pearl, une société d’IA pour indépendants, où nous avons emprunté une voie différente : améliorer les compétences des employés, remodeler les rôles et avoir des conversations inconfortables plus tôt que la plupart des entreprises ne sont disposées à le faire. L’une de ces conversations se démarque.
Je travaille en étroite collaboration avec un rédacteur technique qui a récemment posé une question à laquelle de nombreux employés réfléchissent tranquillement : « L’IA peut faire une grande partie de mon travail à ma place, alors quel est mon travail maintenant ? Il avait réalisé qu’une grande partie de la valeur qu’il apportait – la rédaction, l’édition et l’amélioration de la documentation – était désormais accessible à quiconque utilisait efficacement l’IA. J’ai immédiatement reconnu ce moment. Je l’avais vécu.
La différence, cette fois, c’est que nous n’avons pas éludé la question. Nous y avons répondu ensemble. Aujourd’hui, il fonctionne comme un département de rédaction technique complet avec une équipe d’agents d’intelligence artificielle qui l’aident à relire, éditer et normaliser le contenu. Il possède également notre intranet interne, une fonction qui échoue souvent car elle dépend de mises à jour manuelles constantes. Au lieu de rechercher des mises à jour auprès des équipes, utilisez l’IA pour collecter, organiser et mettre à jour le contenu dans tous les départements, transformant ainsi un système généralement obsolète en une source vivante de vérité. Elle a réduit de 95 % le temps normalement nécessaire pour entretenir ce système, entièrement seule.
La raison pour laquelle cela a fonctionné est que nous parlions déjà franchement depuis le début de la manière dont l’IA change le travail. Des programmes tels que notre initiative AI Champions, qui alloue aux dirigeants des différents départements 10 % de leur temps pour explorer et créer des flux de travail basés sur l’IA, ont contribué à normaliser l’expérimentation et à faciliter les conversations honnêtes sur l’évolution des rôles.
Le modèle qui se développe à grande échelle
C’est l’opportunité qui manque aux entreprises. Lorsque les dirigeants évitent de redéfinir les rôles dès le début, ils créent une période où les licenciements semblent inévitables. Les équipes se réveillent avec des centaines de personnes dont les anciens emplois n’existent plus et sans plan clair pour la suite. À ce stade, les licenciements deviennent une réaction à l’inaction. Il s’agit d’un échec du leadership, et non d’une conséquence de l’IA.
Les entreprises qui se transforment véritablement grâce à l’IA font quelque chose de bien plus difficile que de mettre en œuvre des réductions d’effectifs. Ils reconnaissent que le travail lui-même est en train de changer et s’y adaptent activement. Ils recyclent leurs employés, les redéployent dans de nouveaux rôles et redéfinissent ce à quoi ressemble le « bon » travail dans un environnement basé sur l’IA.
Ce n’est pas facile, surtout à grande échelle. Il est beaucoup plus facile de dire à chaque département de réduire ses effectifs de 20 % et de « trouver une solution ». Les grandes organisations sont optimisées pour ce type de directive. Et lorsque les conseils d’administration exigent des résultats en un seul trimestre, les dirigeants ne procèdent souvent pas à des licenciements parce qu’ils se sentent immédiats et décisifs.
Mais il existe un risque plus grave : les licenciements créent une spirale descendante. L’IA continuera de s’améliorer, de sorte que si chaque nouvelle vague de capacités se heurte à une nouvelle vague de réduction des effectifs, les entreprises réduiront progressivement leurs effectifs et deviendront davantage dépendantes de la technologie jusqu’à ce qu’il n’y ait plus rien à transformer. Ces entreprises survivront mais n’évolueront pas. Elles deviennent des versions plus petites d’elles-mêmes, capables d’effectuer la même quantité de travail avec moins de personnes, tandis que les organisations plus adaptables étendent leur portée et leur rendement avec les mêmes équipes.
La division se forme déjà
Nous n’en sommes qu’aux premiers stades de cette transition, mais un fossé clair se dessine. D’un côté, il y a les entreprises qui considèrent l’IA comme une justification pour réduire leurs effectifs. De l’autre, certaines entreprises le considèrent comme un catalyseur de réinvention. La différence résidera dans la question de savoir si les dirigeants choisissent une transformation motivée par le développement des capacités à long terme plutôt que par des pressions à court terme.
Les entreprises qui s’en sortiront bien ne seront pas celles qui n’auront jamais été confrontées à des perturbations. Ce seront eux qui en auront tiré les leçons et qui auront construit les structures nécessaires pour faire face à la prochaine vague avant qu’elle n’arrive.
L’IA ne réduit pas seulement le travail. Cela multiplie ce que les organisations peuvent réaliser lorsque les personnes disposent de la structure pour évoluer avec elles. Je le sais parce que j’ai dû trouver cette structure par moi-même et parce que j’ai maintenant aidé quelqu’un d’autre à la trouver aussi. Vous pouvez mettre de côté votre chemin de transformation et espérer que l’efficacité vous fera avancer. Ou vous pouvez faire le travail le plus dur. Je sais où mène le premier.
Les opinions exprimées dans les commentaires de Fortune.com sont uniquement celles de leurs auteurs et ne reflètent pas nécessairement les opinions et croyances de Fortune.
