La leçon de Klarna et les 78 557 licenciés en un trimestre : pourquoi reconstruire son équipe avec l'IA coûte moins cher que de tailler dans les effectifs

• Ampleur des suppressions de postes liées à l'IA dans le monde : 78 557 personnes au premier trimestre 2026 (48% à cause de l'IA) et 88 387 en avril (26% à cause de l'IA)
• Surchauffe du marché IT en Russie : chute des offres à Saint-Pétersbourg de 41%, indice HH à 22,9 CV par poste, alors que la demande de compétences en IA progresse de +66%
• Écart de productivité : de 2x à 4x entre un spécialiste "AI-native" et un salarié classique (+55% de vitesse selon les mesures GitHub)
• Résultat de la reconversion chez Alpina Digital : accélération de 4,5 fois de la production principale pour 0 licenciement

Le débat sur la question de savoir si les réseaux de neurones vont remplacer les développeurs a définitivement quitté les canaux de discussion d'ingénieurs pour s'installer dans les bureaux des directeurs financiers en 2026. Selon les calculs de Tom's Hardware et Nikkei Asia, le secteur technologique mondial a licencié 78 557 personnes au seul premier trimestre 2026, et 48% de ces suppressions ont été directement attribuées au remplacement d'humains par des algorithmes. En avril, le rapport Challenger a enregistré 88 387 licenciements supplémentaires (26% liés à l'IA), et sur LinkedIn aux États-Unis, le nombre de nouvelles offres de poste "Software Engineer" a reculé de 15,6% sur le mois ("Software Developer" : -20%).

Sur le marché du travail russe, on observe un effet de ciseaux inversé. À Saint-Pétersbourg, le nombre d'offres d'emploi IT s'est contracté de 41% en un an, et la concurrence sur HeadHunter a franchi en mars 2026 le seuil de 22,9 CV par poste — deux fois au-dessus du seuil marquant un marché employeur en surchauffe. Mais parallèlement, les statistiques d'Avito Rabota montrent un bond de 66% en un an du nombre d'offres exigeant la maîtrise d'outils IA.

Pourquoi les cas opposés d'Anthropic et de

Klarna mènent-ils à la même conclusion managériale ?

Si l'on observe les deux précédents corporate les plus médiatisés de ces deux dernières années, la limite d'application de la technologie devient visible.

À un pôle se trouve Anthropic. Déjà au printemps 2025, Dario Amodei prévoyait que, dans l'année, les modèles écriraient presque tout le code, et en février 2026, le CPO de l'entreprise Mike Krieger a confirmé au Cisco AI Summit : "Claude s'écrit désormais lui-même à près de 100%", en soumettant des pull requests de 2 000 à 3 000 lignes. Mais peu de gens remarquent le second terme de l'équation : dans le même temps, Anthropic a considérablement élargi ses effectifs d'ingénieurs humains. Quand l'écriture routinière de syntaxe est confiée à la machine, un immense front de travail se libère sur l'architecture, la vérification des hypothèses et la sécurité.

À l'autre pôle se trouve le géant fintech Klarna. En 2024, l'entreprise s'est vantée d'avoir remplacé 700 opérateurs par l'IA et de traiter 75% des demandes par bot. Mais début 2026, le CEO Sebastian Siemiatkowski a publiquement reconnu l'excès et relancé le recrutement humain. Le bot gérait très bien les questions types, mais s'effondrait face aux conflits émotionnels, aux litiges atypiques et aux réclamations à rebondissements multiples. La perte de fidélité client et le coût de réparation des erreurs ont dépassé les économies réalisées sur la masse salariale.

Comment fonctionne le rebundling des rôles et où se situent les 4 murs

physiques des modèles ?

Derrière l'illusion que "demain les algorithmes remplaceront tout le monde" se cache une incompréhension de quatre limites fondamentales de l'architecture actuelle des LLM : l'épuisement des textes humains de qualité (les données synthétiques mènent à une dégénérescence), le plafond énergétique des data centers, l'absence d'un calcul quantique mature pour modéliser des systèmes complexes (horizon de 10 à 15 ans), et la déconnexion des modèles vis-à-vis des capteurs physiques du monde réel.

En pratique, ce n'est donc pas la réduction aveugle des effectifs qui gagne, mais ce que l'analyste Ben Thompson appelait le rebundling — une recomposition profonde des fonctions au sein d'un rôle. Selon McKinsey (échantillon de plus de 600 entreprises), une intégration profonde de l'IA dans le développement augmente la productivité de 16 à 30% et la qualité du code de 31 à 45%, tandis que les mesures de GitHub montrent une accélération de 55% dans la clôture des tâches. Au lieu de quatre spécialistes pointus de l'ancienne formule, un seul ingénieur pilotant un orchestre d'agents suffit désormais à résoudre le problème.

Que faire concrètement pour le recrutement et la reconversion de

l'équipe existante ?

D'après notre expérience chez Alpina Digital et sur plus de 40 projets clients, l'écart de production entre un spécialiste "AI-native" et un salarié travaillant à l'ancienne va de 2 à 4 fois, à fourchette salariale égale. D'où trois mesures concrètes pour un dirigeant :

1. Changer le filtre à l'entrée : à tout entretien (du développeur backend au juriste ou au marketeur), remplacer les questions théoriques par un sprint pratique de 20 minutes — construire un prototype fonctionnel ou un document en binôme avec Claude, GPT ou Gemini. 2.

Former ses équipes plutôt que licencier : en 2024-2025, nous avons fait passer toute l'équipe de notre maison d'édition par des stages intensifs internes. Résultat : le cycle de sortie d'un livre a été raccourci de 4,5 fois, pour zéro licenciement — les salariés ont conservé leur poste en reconstruisant leurs fonctions. C'est exactement cette méthode de reconversion des équipes techniques et produit que nous transmettons à [Hamidun Academy](https://academy.

hamidun.com) et que nous développons lors d'ateliers hebdomadaires au [Vibe Club](https://hamidun.com/club).

3. Calculer l'économie en fonction de la croissance de volume : avant de supprimer 700 postes selon la recette de la Klarna des débuts, chiffrez le scénario "garder l'équipe + l'équiper d'IA" pour multiplier la capacité de traitement de l'entreprise. Ce ne sont pas les réseaux de neurones qui remplaceront les développeurs — ce seront les ingénieurs capables de piloter un essaim de modèles.