IA et Licenciements : Le Choc Block Décrypté Sans Hype

Temps de lecture : 7 min

Block, l’IA et 4000 Licenciements : Passons au Concret

L’annonce est tombée comme un couperet fin février 2026. Block, la société de Jack Dorsey (Square, Cash App), va se séparer de 40% de ses effectifs, soit environ 4000 personnes. La raison officielle ? Le déploiement massif d’outils d’intelligence artificielle. « Les capacités des outils d’intelligence ont changé ce que signifie diriger une entreprise », a déclaré le CEO. Sur le terrain, cette annonce a envoyé une onde de choc bien au-delà de la Silicon Valley. En pratique, est-ce le début d’une hémorragie généralisée ou un cas d’école à analyser froidement ? Décortiquons ça, sans langue de bois.

Au-Delà du Buzz : Ce Que Cache Vraiment la Décision de Block

Je vois trop d’analyses qui surfent sur la peur. Reprenons les bases. Block n’est pas une petite startup. C’est un géant des paiements avec une infrastructure critique. Licencier 40% de ses forces vives du jour au lendemain n’est pas une optimisation, c’est une refonte architecturale. Dans mon expérience d’architecte cloud, quand on change de socle technique, on ne fait pas ça à la légère.

Ce qui compte vraiment ici, c’est le type d’IA déployé. Jack Dorsey parle « d’outils d’intelligence ». Sur le terrain, cela pointe vers l’IA générative opérationnelle : des agents automatisant des flux de travail complets (support client, analyse de transactions, génération de code, gestion de la fraude), pas seulement des chatbots. L’objectif affiché ? « Une équipe plus petite peut faire mieux avec l’IA. » Traduction business : augmenter drastiquement la productivité par employé restant pour maintenir, voire accroître, la capacité opérationnelle.

La question n’est donc pas « l’IA va-t-elle remplacer les humains ? », mais « quel mix humain/machine permet d’atteindre les objectifs stratégiques avec la meilleure agilité et le meilleur TCO (Total Cost of Ownership) ? ». Pour Block, la réponse en 2026 est claire : bien moins d’humains, beaucoup plus de machines intelligentes.

Analyse Coût/Bénéfice : Le Calcul (Risqué) de Block

Sans langue de bois, faisons le calcul tel que l’équipe dirigeante de Block a dû le faire. D’un côté, les coûts :

• Coûts directs des licenciements : Indemnités, impacts juridiques, potentielle perte de savoir-faire critique.
• Coûts d’intégration de l’IA : Licences pour des modèles premium, coûts d’infrastructure cloud pour l’exécution (GPU, APIs), développement interne ou intégration de plateformes.
• Coûts de transition et risques opérationnels : Période de turbulence, erreurs dues à l’automatisation, dégradation possible du service client.

De l’autre, les bénéfices anticipés :

• Réduction massive de la masse salariale récurrente (le poste de dépense n°1 dans la tech).
• Gains d’échelle infinis : Un agent IA peut traiter 10 000 requêtes aussi facilement que 100, sans recruter.
• Opérations 24/7 sans friction : Plus de contraintes horaires, de turnover, ou de formations longues.
• Décision data-driven en temps réel : L’IA analyse des volumes de données impossibles pour un humain.

En pratique, le pari de Block est que les bénéfices à moyen terme (12-24 mois) écraseront les coûts de transition. Un pari extrêmement risqué qui suppose une maturité technologique parfaite des outils et une reconversion sans accroc des processus métier. Ce qui, sur le terrain, est rarement le cas.

Les Implications pour les PME et Scale-Ups : Ne Suivez Pas Bêtement

Voici le plus important : les PME et ETI ne doivent surtout pas voir ça comme un manuel à suivre. La situation de Block est unique par son échelle, ses ressources financières et sa marge de manœuvre. Pour une entreprise du middle-market, une telle décision serait probablement suicidaire.

Ce que les décideurs doivent retenir, c’est le principe, pas l’ampleur. Le principe est l’augmentation de la productivité par l’automatisation intelligente. Pour une PME, la démarche sensée est progressive :

• Identifier les processus répétitifs et à faible valeur ajoutée : Saisie de données, tri de tickets support, reporting basique.
• Expérimenter avec des outils IA ciblés et pilotés : Commencer par un département, un processus. Mesurer l’impact sur la qualité et le temps gagné.
• Recycler et former les équipes : L’objectif n’est pas de licencier, mais de faire monter en compétence vos collaborateurs vers des tâches de supervision, de validation et de stratégie que l’IA ne sait pas faire.
• Analyser le TCO réel : Une licence ChatGPT Enterprise, plus l’intégration, plus la formation, plus le cloud… cela a un coût. Comparez-le au coût humain, mais aussi aux gains en qualité et en vitesse.

L’erreur serait de vouloir copier le « quoi » (40% de licenciements) sans comprendre le « comment » (quels processus sont automatisés, avec quelle technologie, et quelle gouvernance).

Les Pièges à Éviter Absolument

Sur le terrain, je vois déjà les écueils se dessiner. Premier piège : l’hybris technologique. Croire que l’IA actuelle (même en 2026) peut tout comprendre, tout contextualiser et tout décider sans supervision humaine est une illusion dangereuse. Elle manque de bon sens, peut halluciner (inventer des informations) et est aveugle au contexte culturel ou émotionnel complexe.

Deuxième piège : détruire son capital savoir. Licencier massivement, c’est aussi se débarrasser de l’expérience terrain, de la mémoire organisationnelle et de la capacité d’adaptation face à l’imprévu. Une IA est entraînée sur le passé. Elle est mauvaise pour gérer une crise nouvelle ou une faille de sécurité inédite.

Troisième piège, et le plus sournois : l’effet ciseaux sur l’innovation. Des équipes sous pression, vivant dans la peur d’être remplacées, et noyées sous la supervision de robots, n’innovent pas. Elles survivent. À long terme, vous gagnez en efficacité opérationnelle mais vous perdez votre capacité à créer les produits et services de demain. Ce qui compte vraiment pour une scale-up, c’est l’innovation.

Conclusion : La Leçon Block est une Mise en Garde

L’annonce de Block n’est pas un modèle, c’est un signal d’alarme. Elle marque l’entrée dans une ère où l’IA générative devient un levier stratégique de transformation opérationnelle à part entière, avec des conséquences humaines directes et brutales.

Pour les dirigeants et CTO, la leçon est double. D’abord, l’ignorer serait une faute stratégique. L’IA va reconfigurer les modèles de coûts et de productivité de tous les secteurs. Ensuite, la copier de manière dogmatique serait une erreur tout aussi grave, potentiellement destructrice pour l’entreprise.

La voie pragmatique, celle que je préconise après des années dans l’infra et le business, est celle de l’expérimentation mesurée et de l’augmentation humaine. Utilisez l’IA pour libérer vos équipes des tâches ingrates, pour leur donner des super-pouvoirs d’analyse, pour scaler des services. Mais gardez l’humain dans la boucle, pour décider, créer, innover et superviser. L’objectif final n’est pas d’avoir la plus petite équipe, mais la plus efficace et résiliente. Et ça, en février 2026 comme avant, c’est toujours un savant mélange de technologie de pointe et de talent humain. Sans langue de bois.

Mathias Courtois

Ingénieur systèmes et architecte cloud pendant 8 ans chez un leader européen de l’hébergement, reconverti dans l’analyse tech et business. Passionné par l’intersection entre infrastructure IT, IA générative et transformation digitale des entreprises. J’aide les décideurs et les équipes techniques à naviguer dans l’écosystème tech sans bullshit marketing.