Que révèle le « AI rebounding » sur les suppressions de postes liées à l’IA ?

Le 9 novembre 2026, Fortune a relayé une enquête du cabinet SHL : 19,1 % des salariés américains interrogés disent avoir été remplacés par l’IA, puis sollicités par le même employeur pour revenir. L’enquête a été menée en juin et juillet auprès de 2 036 adultes en emploi aux États-Unis et au Royaume-Uni, et ses résultats sont déclaratifs.

Le « AI rebounding » est le terme employé par SHL pour désigner un salarié dont le poste a été supprimé ou confié à l’IA, et à qui son ancien employeur demande ensuite de revenir. Il décrit une expérience déclarée par les salariés, sur un échantillon américain et britannique.

Ce que mesure l’enquête SHL

Selon Fortune, 19,1 % des répondants américains déclarent avoir été remplacés par l’IA puis rappelés, contre 16 % pour les États-Unis et le Royaume-Uni réunis. Chez les 18-24 ans, la part monte à 24 %. Parmi les salariés rappelés, 51 % voulaient une hausse de salaire substantielle avant d’accepter, 42 % demandaient des garanties écrites sur la sécurité de leur emploi et 40 % réclamaient de la transparence sur l’usage de l’IA dans leur poste.

Lucy Beaumont, SVP produit et design chez SHL, citée par Fortune, juge que les entreprises prennent des décisions rapides et parfois myopes. C’est une analyse du cabinet, que l’enquête ne démontre pas.

Ce que disent les autres sources

Fortune cite aussi une enquête Robert Half de juillet : 32 % des responsables du recrutement américains dont l’entreprise a supprimé des postes à cause de l’IA ont dû rétablir les mêmes postes ou des postes similaires. Côté annonces, le cabinet Challenger, Gray & Christmas dénombre 121 401 suppressions de postes attribuées à l’IA jusqu’en octobre 2026, contre 54 836 pour toute l’année 2025, dont seulement 1 265 en octobre, le mois le plus bas de l’année selon son rapport d’octobre. Challenger recense des annonces : ce qui se passe ensuite dans les équipes, rétablissements compris, reste hors de son périmètre. Ces trois sources n’ont ni la même base ni la même méthode, et elles ne s’additionnent pas. Lues ensemble, elles justifient surtout de vérifier ce que portait chaque poste avant de le supprimer.

Pourquoi des entreprises rappellent-elles des postes qu’elles venaient de supprimer ?

Les raisons données par les responsables du recrutement de l’enquête Robert Half, telles que Fortune les rapporte, sont plus parlantes que le pourcentage global. Elles décrivent ce qu’un organigramme ne montre pas, et les plans de réduction fondés sur l’IA peuvent le sous-estimer.

Le savoir du poste dépasse la liste de ses tâches

Selon Robert Half, relayée par Fortune, 40 % des responsables concernés citent un savoir institutionnel ou un contexte que l’IA ne remplace pas. Un agent exécute très bien une tâche décrite. Il n’hérite pas des exceptions apprises par la personne en dix ans de dossiers, ni des arrangements tacites avec un client ou un service voisin. Dans une équipe comptable, cela peut être l’habitude d’appeler tel fournisseur avant un lot de paiements ; au support, savoir quels clients ne doivent jamais recevoir une réponse type. Rien de cela ne figure dans une fiche de poste. Quand le poste disparaît, ces règles non écrites disparaissent avec lui, et on ne les découvre que le jour où elles manquent.

La supervision humaine coûte plus que prévu

Autre motif cité : un besoin de supervision humaine et de contrôle qualité plus élevé qu’attendu, à 38 %. C’est l’angle que nous défendons : un agent en production demande quelqu’un pour le superviser, l’arrêter et corriger ses sorties. Si le plan de réduction a retiré les personnes qui savaient juger une bonne réponse, la supervision n’a plus personne pour la porter. Notre article sur les zones de confiance pour classer ses agents explique comment décider quelles actions exigent un humain.

La demande peut aussi remonter

Fortune relève aussi, parmi les motifs cités par les responsables, une hausse de la demande commerciale. Une entreprise qui supprime des postes sur une hypothèse de volume constant se retrouve en sous-effectif si son activité progresse. L’IA a réduit le coût d’une tâche, mais la charge de travail peut continuer de croître.

Ces chiffres valent-ils pour une entreprise française ?

Aucune de ces enquêtes ne porte sur la France, et les citer comme des constats français serait abusif. Elles donnent un signal à vérifier dans son propre périmètre, avec ses propres données. Commencez par les postes que votre entreprise a déjà réduits ou automatisés au cours des douze derniers mois : pour chacun, demandez au responsable d’équipe si le travail est revenu à une personne, à un prestataire ou à un agent, et notez lequel.

Les limites de la mesure

Les résultats de SHL sont déclaratifs : un répondant qui dit avoir été « remplacé par l’IA » interprète sa propre situation, et l’entreprise aurait peut-être décrit les faits autrement. L’échantillon, de 2 036 adultes sur deux pays, ne dit rien d’un secteur précis. Le terme « AI rebounding » est une étiquette du cabinet : il désigne un signal précoce, à confirmer avant d’en faire une tendance. Dans un comité de direction, la formulation honnête est qu’une enquête américaine suggère des postes rétablis, et qu’il faut vérifier chez nous. Demandez aussi qui répond : une enquête auprès des salariés dit comment l’épisode a été vécu, et seuls les registres de l’employeur disent combien de postes ont été rétablis et à quel coût.

Le contexte français

En France, un projet de réduction d’effectifs passe par l’information et la consultation des représentants du personnel, et sa réversibilité est plus coûteuse qu’un simple rappel. Votre direction juridique est la seule à pouvoir dire ce que ce cadre implique pour un projet donné. Ce qu’on peut affirmer sans elle, c’est qu’une erreur de dimensionnement se corrige plus lentement quand elle a touché des contrats de travail, et que cela plaide pour valider l’effet réel de l’IA avant de supprimer un poste.

Comment cartographier ce que porte un poste avant de le réduire ?

Notre lecture tient dans l’image des deux organigrammes superposés : celui des humains, et celui des agents qui travaillent à côté d’eux. Avant de retirer une case du premier, il faut savoir ce que les agents de l’autre feront vraiment, et qui reste responsable de leurs résultats. L’humain garde la main sur ce qui engage l’entreprise.

Décomposer le poste en tâches, jugements et relations

Prenez un poste précis et listez ce qu’il fait sur une période réelle : les tâches répétitives, les arbitrages qui demandent du jugement, les relations avec les clients et les autres services, les responsabilités que la personne porte en son nom. Seule la première colonne se confie facilement à un agent, et elle représente rarement l’ensemble du poste. Les trois autres demandent soit de la supervision humaine, soit une redistribution explicite vers quelqu’un qui en a la compétence. Pour un poste de gestionnaire de sinistres, par exemple, le tri et la saisie des pièces vont à l’agent, tandis que l’arbitrage d’un dossier litigieux et l’appel à l’assuré restent à la personne.

Mesurer la supervision réelle avant de décider

Mesurez sur un périmètre pilote combien de sorties d’agent un humain doit corriger, relire ou escalader. Relevez par exemple, pendant quatre semaines, le nombre de sorties relues, corrigées ou escaladées, et qui s’en est chargé. Cette mesure donne le temps de supervision à conserver dans le plan, avant que la réduction soit votée. Notre article sur la mesure de l’adoption par le taux d’usage propose des indicateurs utilisables dès le premier mois, et la méthode LOOP™ de gouvernance place l’humain au centre de la boucle de contrôle.

Que demandent les salariés rappelés, et que faut-il en retenir ?

Parmi les salariés rappelés de l’enquête SHL, plus de la moitié attendaient une hausse de salaire, et 42 % voulaient des garanties écrites. Une personne à qui l’on a signifié qu’une machine faisait son travail revient avec une demande de preuve : elle veut savoir quelle part de son poste est protégée et comment l’entreprise utilisera l’IA. Quarante pour cent des rappelés réclament de la transparence sur l’usage de l’IA avant de reprendre. Une direction qui a publié un plan de transformation sans règle d’usage lisible risque de négocier cette transparence en position de faiblesse.

Ce que cela change pour la conduite du changement

Un cadre d’usage écrit réduit le risque de rupture de confiance : quelles tâches sont confiées aux agents, lesquelles restent humaines, comment la décision est contestée, qui répond d’une erreur. La page sur la gouvernance de l’IA en entreprise décrit la démarche complète, et elle se met en place avant le déploiement, idéalement bien avant la première erreur.

Quel lien avec les projets d’agents IA qui échouent ?

Le rappel de salariés fait écho à un phénomène que les chiffres de marché décrivent depuis 2025 : 46 % des preuves de concept IA sont abandonnées avant la production selon S&P Global (2025), et le MIT (2025) estime que 95 % des pilotes n’ont aucun effet mesurable sur le compte de résultat. Projets arrêtés et postes rétablis peuvent venir d’un même réflexe : calculer le gain sur la tâche isolée, sans regarder le système de travail complet. Notre article sur le passage du pilote à la production détaille ce qui bloque, et la page agents IA en entreprise décrit ce qu’un agent en production exige.

Le sujet touche aussi les débutants. Notre lecture du rapport d’Anthropic sur l’emploi des juniors détaille les risques pour la filière à cinq ans.

Que faire cette semaine si un plan lié à l’IA est sur la table ?

Ces actions ne dépendent d’aucune enquête américaine. Elles valent pour toute direction qui envisage de réduire ou de transformer des postes à cause de l’IA.

  1. Choisir un poste concerné par le plan et le décomposer en tâches, jugements, relations et responsabilités.
  2. Identifier qui, aujourd’hui, détient le savoir non écrit de ce poste et comment le consigner avant tout changement.
  3. Mesurer sur un périmètre pilote le temps de supervision humaine qu’un agent exige réellement.
  4. Écrire le cadre d’usage de l’IA destiné aux équipes : ce qui est automatisé, ce qui reste humain, qui répond.
  5. Fixer un point de revue avant toute suppression définitive, avec les indicateurs qui diraient que le plan se trompe.

Le diagnostic de maturité IA situe en quelques minutes votre niveau de gouvernance, et la rubrique adopter l’IA en entreprise regroupe les articles qui détaillent chaque étape.