Snap licencie 1000 salariés : l’IA comme nouveau moteur de l’efficacité opérationnelle

☕️ Après l’annonce de licenciements, Meta déplace 7 000 employés pour se focaliser sur l’IA

Meta a annoncé le 18 mai la réassignation de 7 000 de ses employés vers des équipes dédiées au développement de l'intelligence artificielle. Ces salariés seront répartis dans quatre nouveaux groupes internes chargés de concevoir des outils et des applications fondés sur l'IA. L'annonce a été faite par la directrice des ressources humaines Jannelle Gale dans un mémo interne, qui précise que ces nouvelles structures fonctionneront avec moins de niveaux hiérarchiques que le reste de l'entreprise, selon un modèle dit "AI native". Cette réorganisation intervient quelques jours avant la suppression de 8 000 postes, prévue à partir du 20 mai, sur un effectif total de 78 000 personnes qui font tourner Facebook, Instagram et WhatsApp au quotidien, soit environ 10 % des effectifs du groupe. Cette double opération, réassignation massive et licenciements, illustre la vitesse à laquelle Meta pivote vers l'IA comme axe stratégique central. En regroupant des milliers d'ingénieurs et de product managers dans des structures dédiées et allégées, le groupe cherche à accélérer le développement de produits IA tout en réduisant les coûts opérationnels liés aux activités moins prioritaires. Pour les salariés concernés, le signal est sans ambiguïté : ceux qui ne s'intègrent pas dans cette nouvelle logique n'ont plus de place dans l'organisation. Pour l'industrie, cela confirme que l'IA n'est plus un projet parallèle mais la colonne vertébrale autour de laquelle les grandes plateformes restructurent leur capital humain. Meta n'est pas seule dans cette démarche. Microsoft, Block et Coinbase ont annoncé des réorganisations comparables ces derniers mois, invoquant elles aussi leurs ambitions en matière d'intelligence artificielle. Depuis le début de l'année 2026, le site layoffs.fyi a recensé plus de 110 000 suppressions de postes dans le secteur technologique, un mouvement que les dirigeants présentent systématiquement comme une transition vers l'IA plutôt que comme une simple réduction des coûts. Mark Zuckerberg, qui a fait de l'IA la priorité absolue de Meta pour les prochaines années, dispose désormais d'une organisation entière reconfigurée pour concrétiser cette ambition.

💬 7 000 réassignations plus 8 000 licenciements en même temps, c'est pas une transition, c'est un tri. Meta dit clairement aux siens : soit tu construis l'IA, soit tu n'as plus ta place, et le calendrier (réorganisation annoncée deux jours avant les coupes) montre que c'est pas une décision prise à la légère. Le truc un peu vertigineux, c'est que Microsoft, Coinbase, Block font exactement pareil en ce moment, et que tout le monde appelle ça "transition vers l'IA" alors qu'on recense déjà 110 000 postes supprimés depuis janvier.

JPMorgan commence à suivre l'utilisation de l'IA par ses employés

JPMorgan Chase a commencé à surveiller systématiquement l'utilisation des outils d'intelligence artificielle par ses quelque 65 000 ingénieurs et techniciens. Selon des informations publiées par Business Insider, la banque américaine demande désormais à ces employés d'intégrer des outils comme ChatGPT et Claude Code dans leur travail quotidien — rédaction de code, relecture de documents, traitement de tâches répétitives. Des systèmes internes classifient chaque salarié selon son niveau d'utilisation, entre « utilisateur léger » et « utilisateur intensif ». Ce suivi n'est pas anodin : il est susceptible d'influer directement sur les évaluations de performance annuelles, transformant ainsi la maîtrise de l'IA en critère d'évaluation professionnel officiel. Ce changement marque une rupture avec la logique des deux dernières années, durant lesquelles la plupart des grandes entreprises ont déployé des outils d'IA sans parvenir à une adoption homogène — certaines équipes expérimentaient activement, d'autres ignoraient les nouveaux outils. En intégrant l'usage de l'IA aux critères de performance, JPMorgan cherche à imposer un socle commun d'adoption, similaire à ce que fut l'apprentissage des tableurs ou des outils de développement en leur temps. Cela soulève toutefois une question concrète : si l'IA réduit le temps nécessaire à certaines tâches, les salariés seront-ils attendus sur un volume de production plus élevé ? Et comment distinguer un « bon » usage — pertinent, vérifié, productif — d'une simple utilisation fréquente pour satisfaire les métriques internes ? JPMorgan n'est pas novice en matière d'IA : la banque l'utilise depuis plusieurs années dans la détection de fraude et l'analyse de risque. Mais étendre cette logique à des dizaines de milliers d'employés dans des fonctions générales soulève des enjeux de gouvernance spécifiques. Les outils grand public comme ChatGPT peuvent produire des résultats inexacts ou incomplets, ce qui implique que les employés doivent vérifier chaque output avant toute utilisation dans une décision ou un document client — une contrainte forte dans un environnement bancaire réglementé. La banque devra probablement déployer des garde-fous similaires à ceux déjà en place pour ses systèmes de trading et de gestion des risques. D'autres institutions financières observent attentivement cette expérience : si lier l'usage de l'IA aux évaluations se traduit par des gains de productivité mesurables, le modèle pourrait se diffuser rapidement dans le secteur, redéfinissant au passage les compétences attendues à l'embauche — la rédaction de prompts et la vérification des sorties IA pourraient bientôt figurer dans les fiches de poste standard.

L’intelligence artificielle générative et le nouveau visage de la fracture pédagogique

Meriem El Bouhali, enseignante-chercheuse à l'ESLSCA Paris Business School, publie les premiers résultats d'une enquête qualitative menée auprès d'étudiants de Bachelor et de MBA sur leurs usages de l'intelligence artificielle générative. Ses travaux, inscrits dans une série de recherches sur l'adoption des nouvelles technologies, révèlent que l'IA n'est pas un outil neutre : elle amplifie les écarts existants entre profils étudiants plutôt qu'elle ne les comble. Trois comportements distincts ont été identifiés. Les étudiants les plus solides utilisent l'IA pour enrichir leur réflexion, vérifient systématiquement les résultats générés et remettent en question le contenu produit. Les étudiants plus fragiles tombent dans une surconfiance excessive, ce que la chercheuse appelle l'overreliance, qui atrophie leur esprit critique au point qu'ils ne détectent plus les erreurs de l'algorithme. Un troisième profil, composé d'étudiants compétents, refuse délibérément de déléguer certaines tâches à la machine pour préserver leur autonomie intellectuelle, au risque d'être perçus comme moins efficaces dans des contextes professionnels où la rapidité est valorisée. Ces fractures pédagogiques ont des conséquences directes sur le marché du travail. Un collaborateur incapable de détecter une erreur générée par l'IA peut mettre en danger son entreprise : des états financiers erronés, par exemple, peuvent provoquer un risque réputationnel majeur ou bloquer l'accès au financement. Face à ce risque, les recruteurs adaptent leurs processus de sélection pour identifier les candidats capables d'analyse critique, pas seulement ceux qui savent utiliser ChatGPT. L'Article 4 de l'IA Act européen renforce cette dynamique en imposant aux entreprises de garantir la littératie IA de leurs collaborateurs, ce qui repositionne la valeur humaine non plus sur l'exécution mais sur le jugement et la prise de décision éthique, là où la machine reste structurellement limitée. Ce constat pousse à repenser en profondeur le modèle éducatif institutionnel. Interdire l'IA en cours est jugé contre-productif par El Bouhali : les étudiants l'utilisent de toute façon, et l'ignorer prive les établissements d'une occasion pédagogique majeure. La réponse doit venir des institutions elles-mêmes, en intégrant explicitement la littératie IA dans les cursus, en formant les enseignants à encadrer ces usages, et en distinguant les tâches où l'IA est un levier de celles où elle constitue un raccourci appauvri. Les grandes écoles et universités qui tardent à opérer cette transformation risquent de diplômer des profils inadaptés aux exigences d'un marché qui cherche moins des utilisateurs d'outils que des professionnels capables de superviser, corriger et dépasser ce que les algorithmes produisent.

Le contenu d’un tiers des nouveaux sites est généré totalement ou partiellement par IA

En mai 2025, 35 % des sites internet nouvellement créés contenaient des textes entièrement ou majoritairement générés par intelligence artificielle, selon un rapport publié par Internet Archive. Cette étude, signée par Mark Graham, responsable de la Wayback Machine, accompagné d'un chercheur maison et de deux doctorants, s'appuie sur l'analyse du texte brut de milliers de sites archivés. Pour détecter l'origine des contenus, l'équipe a comparé plusieurs outils, Binoculars, Desklib, DivEye, avant de retenir l'API commerciale Pangram v3, choisie pour sa capacité à traiter le HTML et à analyser des textes en plusieurs langues, avec un taux de précision annoncé à 99,98 %. La proportion de sites à contenu genAI est passée de zéro avant le lancement de ChatGPT fin 2022 à ce tiers des nouvelles publications en l'espace de deux ans et demi. Ce que révèle ce rapport va à l'encontre des craintes les plus répandues. Sondés par les chercheurs, 75 % des internautes redoutaient d'être davantage exposés à des informations factuellement erronées, et 83 % anticipaient une homogénéisation du style des textes sur le web. Or, les données d'Internet Archive ne confirment ni l'une ni l'autre de ces hypothèses : les fact-checkers mandatés par l'équipe n'ont pas trouvé de corrélation statistiquement significative entre la hausse du contenu IA et une augmentation des fausses informations. L'homogénéisation stylistique, elle non plus, ne progresse pas mécaniquement. En revanche, deux effets distincts sont bien documentés : une contraction sémantique mesurable, les textes générés couvrent un spectre de vocabulaire et d'idées plus étroit, et un glissement artificiel vers la positivité, les contenus IA affichant systématiquement un ton plus optimiste et lissé que ceux rédigés par des humains. Ce travail s'inscrit dans un débat plus large sur ce que certains chercheurs appellent la "théorie de l'Internet mort", formulée dès 2021 et relancée début 2024 : l'idée que le web serait progressivement peuplé de contenus automatisés où des machines s'adressent à d'autres machines, au détriment d'une production humaine authentique. La méthode du rapport comporte toutefois des limites importantes : Pangram v3 est un outil commercial dont la méthode n'a pas été évaluée par des chercheurs indépendants, et les résultats dépendent donc directement de sa fiabilité réelle. Reste que cette étude est l'une des premières à quantifier l'empreinte de l'IA générative à l'échelle du web archivé, et elle devrait pousser les plateformes, moteurs de recherche et régulateurs à affiner leur compréhension des effets concrets, moins spectaculaires que redoutés, mais bien réels, de cette prolifération silencieuse.