Google : les données ne montrent pas d'automatisation massive des employés, malgré le battage autour de l'IA

Atlassian : pourquoi l'IA accélère les employés mais pas les organisations

Lors d'une conversation avec Sam Witteveen, contributeur technologique senior de VentureBeat, à l'occasion de VB Transform 2026, la Dre Molly Sands, responsable du Teamwork Lab chez Atlassian, a expliqué que la plupart des entreprises abordent l'adoption de l'IA à l'envers, en optimisant la façon dont chaque individu utilise l'IA plutôt que la façon dont les équipes travaillent ensemble. Son équipe de comportementalistes et de psychologues étudie comment l'IA transforme le travail collectif et intervient directement dans les organisations pour changer les méthodes de travail. Le rapport annuel State of Teams d'Atlassian, basé sur 12 000 travailleurs du savoir interrogés dans le monde et environ 200 entretiens avec des cadres dirigeants d'entreprises du Fortune 1000, révèle un décalage important entre l'activité générée par l'IA et sa valeur réelle. Selon Sands, 89% des dirigeants constatent une accélération individuelle de leurs employés, mais seuls 6% peuvent citer des exemples concrets de retour sur investissement. Environ 14% des équipes seulement parviennent à transformer cet usage de l'IA en valeur tangible, ce qui signifie qu'une même entreprise peut compter quelques équipes très performantes entourées de nombreuses autres qui ne tirent aucun bénéfice de ces outils. Ce décalage a des conséquences concrètes pour les organisations qui investissent massivement dans l'IA sans en voir les effets à l'échelle globale. Les équipes qui réussissent partagent trois caractéristiques précises : elles construisent ce qu'Atlassian appelle un graphe de contexte, en consignant objectifs, décisions et savoirs organisationnels dans des outils partagés comme Jira et Confluence plutôt que de les laisser dans la mémoire individuelle ; elles repensent des processus entiers de bout en bout plutôt que d'accélérer des tâches isolées, faute de quoi des collaborateurs plus rapides mais mal alignés finissent par se percuter, selon l'expression de Sands ; et elles évoluent sous des dirigeants qui encouragent explicitement l'expérimentation, y compris l'échec. L'imposition de contraintes s'avère être le moyen le plus rapide d'apprendre, comme découper chaque tâche en unités minimales ou s'engager à ne plus écrire de code à la main pendant une semaine, des pratiques jugées non pérennes mais très formatrices. Pour Sands, l'obstacle principal n'est pas la technologie mais le fait que chaque employé apprend à utiliser l'IA seul dans son coin, créant des prompts, agents et hypothèses différents qui ne profitent jamais à l'ensemble de l'organisation. Atlassian a donc testé des accords de travail sur l'IA en début de projet, où les équipes définissent ce qu'elles utiliseront l'IA pour faire, ce qu'elles éviteront délibérément, quels agents partager et quelles compétences communes maintenir. Les équipes ayant adopté cette pratique ont utilisé l'IA plus intensément, progressé plus vite et produit un travail de meilleure qualité, confirmant que l'IA ne crée pas de nouveaux problèmes de management mais révèle des failles déjà anciennes dans la coordination des équipes.

Les entreprises ont remplacé des employés par des tokens : les retours ne sont pas au rendez-vous

Le patron de Nvidia, Jensen Huang, a livré une déclaration remarquée sur le podcast All-In, à l'issue de la conférence GTC 2026. Selon lui, si un ingénieur payé 500 000 dollars par an ne consomme pas au moins 250 000 dollars de jetons d'intelligence artificielle, soit la moitié de son salaire, cela devrait être considéré comme alarmant. Nvidia viserait ainsi une facture annuelle de deux milliards de dollars de jetons pour ses seuls ingénieurs. Cette formule illustre un basculement budgétaire déjà bien engagé chez les géants technologiques. Les quatre plus grands fournisseurs d'infrastructure cloud prévoient environ 700 milliards de dollars de dépenses d'investissement combinées pour 2026, soit près du double de l'année précédente, tandis que le cabinet Gartner anticipe 207 milliards de dollars de dépenses en logiciels d'agents IA, en hausse de 139 %. Dans le même temps, le cabinet Challenger, Gray & Christmas signale que l'intelligence artificielle est devenue, pour le quatrième mois consécutif, la raison la plus citée des suppressions d'emplois aux États-Unis, le secteur technologique représentant 31 % des licenciements du premier semestre. Un mémo interne de Meta, obtenu par Reuters, décrit les 8 000 suppressions de postes de mai comme un moyen de compenser les investissements massifs de l'entreprise, alors même que son chiffre d'affaires progressait de 33 % ce trimestre-là. Chez Oracle, les effectifs ont chuté de 21 000 personnes pour financer la construction de centres de données. Ce déplacement de budget des salaires vers les jetons pose une question centrale : produit-il réellement les gains escomptés ? Les premiers retours chiffrés sont loin d'être concluants. Une enquête de Gartner auprès de 350 dirigeants d'entreprises générant plus d'un milliard de dollars de revenus, toutes utilisatrices d'agents IA ou d'automatisation, révèle qu'environ 80 % d'entre elles ont réduit leurs effectifs, sans qu'aucune corrélation ne soit observée avec une amélioration du retour sur investissement. Selon l'analyste Helen Poitevin, les suppressions de postes libèrent du budget mais ne créent pas de valeur : ce sont les entreprises qui utilisent l'IA pour renforcer leurs équipes, plutôt que pour les remplacer, qui progressent réellement. Le constat se vérifie aussi côté consommation de jetons : Uber, qui avait équipé 5 000 ingénieurs d'outils de codage IA en décembre, a épuisé tout son budget IA annuel dès avril. Son directeur des opérations, Andrew Macdonald, a reconnu que malgré 70 % de code généré par l'IA, le lien avec l'expérience concrète des clients reste introuvable. L'entreprise plafonne désormais les dépenses de ses ingénieurs à 1 500 dollars par mois. Walmart a imposé un rationnement similaire sur son assistant interne, la demande ayant largement dépassé les prévisions, selon Bloomberg. Un contraste frappant émerge : quand les jetons dépassent le budget, on les plafonne ; quand ce sont les employés qui coûtent trop cher, on les licencie. Klarna incarne le mieux ce retour de bâton. La fintech avait remplacé environ 700 postes du service client par un assistant propulsé par OpenAI, gelé ses embauches humaines pendant plus d'un an, et vanté ce modèle « IA d'abord » auprès des investisseurs. Mais la satisfaction client s'est dégradée et les réclamations ont augmenté, poussant son directeur général, Sebastian Siemiatkowski, à admettre publiquement sur Bloomberg que l'entreprise s'était trop concentrée sur l'efficacité et les coûts, au détriment de la qualité, une stratégie jugée non durable. Klarna recrute désormais de nouveau des humains, son patron défendant l'investissement dans la qualité du support humain comme un axe d'avenir. Gartner s'attend à ce que ce schéma se généralise, prédisant que d'ici 2027, la moitié des entreprises ayant supprimé des postes de service client au profit de l'IA referont marche arrière, souvent dans des conditions moins favorables qu'avant. Cette séquence, portée par des entreprises très rentables et non en difficulté, révèle que les coupes d'effectifs relèvent moins d'une nécessité de survie que d'un choix de financement, dont le bilan réel commence tout juste à être évalué.

💬 Le vrai tell de cette histoire, c'est ce contraste : quand les jetons dépassent le budget, on plafonne la dépense, mais quand c'est un employé qui coûte cher, on le vire direct. Klarna vient de payer cash cette logique, obligée de réembaucher des humains après avoir vendu son "IA d'abord" aux investisseurs pendant plus d'un an. Et le détail qui tue, c'est que 80% des boîtes qui ont supprimé des postes n'ont vu aucun gain de ROI, donc ce basculement des salaires vers les tokens ressemble moins à une stratégie qu'à un pari comptable mal calculé.

Le point : malaise autour de l'IA et technologies de procréation

Dans sa dernière édition, le MIT Technology Review publie un numéro dense qui dresse un panorama de l'intelligence artificielle aujourd'hui: un essai de fond sur le "malaise de l'IA", signé par le rédacteur en chef Mat Honan, accompagne une liste intitulée "10 choses qui comptent en IA en ce moment". Parallèlement, plusieurs informations illustrent les tensions concrètes autour du secteur: l'agence américaine ICE développerait des lunettes connectées, baptisées "ICE Glasses", capables d'identifier des personnes en temps réel grâce à la reconnaissance faciale; une cyberattaque contre la plateforme éducative Canvas a compromis les données de 275 millions de personnes aux États-Unis; des puces Nvidia auraient été acheminées illégalement vers le groupe chinois Alibaba via des serveurs Super Micro transitant par la Thaïlande, selon Bloomberg; et les modèles d'IA chinois, moins chers et plus adaptables que leurs concurrents américains, inquiètent de plus en plus la Silicon Valley. Ce tableau illustre une période de transition inconfortable. L'IA s'infiltre dans tous les secteurs, de l'éducation à la santé en passant par la sécurité, sans que les sociétés aient encore défini de boussole claire pour en mesurer les effets réels. Le "malaise" décrit par Honan n'est pas un simple pessimisme: c'est l'incertitude face à une technologie susceptible de supprimer des emplois, de perturber des équilibres économiques, ou au contraire d'ouvrir de nouvelles opportunités, sans que personne ne sache encore laquelle de ces directions prévaudra. La fuite présumée de puces Nvidia vers la Chine, transitant par une entreprise liée à l'initiative nationale d'IA de la Thaïlande, illustre la difficulté persistante à faire respecter les restrictions américaines à l'exportation de semi-conducteurs. La violation des données de Canvas, l'une des plus graves jamais enregistrées dans l'éducation américaine, souligne quant à elle la vulnérabilité croissante des infrastructures numériques scolaires. Ce moment correspond à une accélération simultanée sur plusieurs fronts. La robotique apprend désormais par essai-erreur et simulation plutôt que par des règles rigides, ce qui relance les ambitions des ingénieurs de la Silicon Valley en matière de robots autonomes. L'IA s'apprête également à transformer la médecine reproductive: les cliniques de FIV intègrent déjà des analyses génétiques multiples sur les embryons, et les robots pourraient bientôt automatiser des étapes clés du processus. En toile de fond, la rivalité technologique sino-américaine s'intensifie: la Chine mise sur des modèles open source moins coûteux pour contourner les barrières commerciales et conquérir des marchés. Ces dynamiques convergentes, entre prolifération de l'IA, tensions géopolitiques, questions de surveillance et incertitudes économiques, dessinent un paysage où les décisions prises aujourd'hui par les entreprises, les gouvernements et les régulateurs conditionneront profondément la trajectoire de la décennie.

💬 Honan met des mots dessus avec "malaise", mais le tableau est encore plus lourd. Reconnaissance faciale en temps réel pour l'ICE, 275 millions de données éducatives compromises, des puces Nvidia qui s'évaporent vers la Chine via des montages opaques, tout ça dans la même semaine. C'est pas de l'incertitude diffuse, c'est une accumulation de signaux qu'on devrait pas trouver normaux.

L'impact de l'IA sur l'emploi et les centres de données dans l'espace

L'intelligence artificielle continue de redistribuer les cartes de l'économie mondiale, et les économistes qui minimisaient jusqu'ici ses effets sur l'emploi commencent à revoir leur position. Alex Imas, chercheur à l'Université de Chicago, avance qu'un seul indicateur pourrait réellement éclairer l'ampleur de la transformation à venir : l'élasticité-prix du travail face à l'automatisation. Il plaide pour ce qu'il appelle un "Projet Manhattan" de la collecte de données, afin de mesurer dans quelle mesure les entreprises substitueront effectivement des travailleurs humains à des systèmes d'IA selon l'évolution des coûts. Sans cette donnée, toute politique publique visant à amortir le choc risque de viser à l'aveugle. En parallèle, un rapport explosif du New Yorker révèle que Sam Altman aurait discrètement lobbié contre des réglementations sur l'IA qu'il soutenait publiquement, alimentant la méfiance d'une partie des cadres d'OpenAI envers leur propre PDG. La société fait également face à des doutes sur sa capacité à entrer en Bourse cette année, selon The Information. Ces bouleversements interviennent alors que l'industrie technologique explore des solutions infrastructurelles radicales pour soutenir la croissance de l'IA sans aggraver la crise environnementale terrestre. En janvier 2026, SpaceX d'Elon Musk a déposé une demande pour lancer jusqu'à un million de centres de données en orbite autour de la Terre. L'objectif affiché est de libérer pleinement le potentiel de l'IA tout en délocalisant hors de notre planète la consommation énergétique et thermique colossale que ces infrastructures impliquent. SpaceX n'est pas seule sur ce créneau : plusieurs autres entreprises technologiques explorent des solutions similaires d'informatique orbitale, même si les défis techniques restent considérables. Ce double mouvement, vers une IA plus puissante et vers une infrastructure toujours plus ambitieuse, se déploie dans un contexte géopolitique tendu. L'administration Trump a proposé des coupes massives dans le financement des agences scientifiques américaines, ce qui pourrait provoquer une fuite des cerveaux hors des États-Unis selon le New York Times. Pendant ce temps, OpenAI, Anthropic et Google ont formé une alliance inhabituelle pour contrer ce que Bloomberg décrit comme de la "distillation adversariale" par des acteurs chinois, c'est-à-dire l'extraction des capacités de leurs modèles par imitation. DeepSeek, de son côté, préparerait un nouveau modèle optimisé pour fonctionner sur des puces Huawei, attendu dans les prochaines semaines. Ces dynamiques dessinent un paysage où la course à l'IA se joue désormais autant sur le terrain économique et réglementaire que sur celui de la recherche pure.