39% des dirigeants ont supprimé des postes en misant sur l’IA. 55% de ceux-là reconnaissent, une fois la décision prise, qu’elle était mauvaise. Ces deux chiffres viennent de la même enquête, celle d’Orgvue, publiée le 29 avril 2025 auprès de 1 163 dirigeants dans huit pays. Une seconde enquête, distincte, menée par Robert Half en avril 2026 auprès de plus de 2 000 responsables RH américains, apporte un chiffre complémentaire : 32% des organisations ayant supprimé un poste pour l’IA ont fini par réintégrer ce poste, ou un poste très proche. Le point commun aux deux enquêtes n’est pas l’IA en tant que telle : c’est ce qui n’a pas été analysé avant de décider.
Ce que disent précisément les deux enquêtes
L’enquête Orgvue, réalisée par Vitreous World pour le compte d’Orgvue, a interrogé 1 163 dirigeants et cadres dirigeants entre février et mars 2025 : aux États-Unis, au Canada, au Royaume-Uni et en Irlande dans des organisations d’au moins 2 000 salariés, et en Australie, à Hong Kong, en Malaisie et à Singapour dans des organisations d’au moins 500 salariés. Elle établit que 39% des dirigeants interrogés ont supprimé des postes du fait du déploiement de l’IA, et que 55% de ceux-là admettent, avec le recul, avoir pris la mauvaise décision.
L’enquête Robert Half, distincte, plus récente et centrée sur les États-Unis, a interrogé plus de 2 000 responsables du recrutement en avril 2026. Elle établit que 32% des organisations ayant supprimé un poste pour l’IA ont réintégré ce poste ou un poste très proche, avec un écart marqué selon les secteurs : 44% dans la finance, 35% dans les ressources humaines, 32% dans la technologie. Ces deux enquêtes ne portent ni sur le même échantillon, ni sur la même période, ni sur les mêmes pays, et ne doivent pas être fondues en une seule : elles convergent sur un même phénomène observé indépendamment, ce qui renforce le constat sans le dupliquer.
Aucune des deux enquêtes ne permet de transposer directement ses résultats à une organisation française : l’échantillon Orgvue pondère fortement les grandes organisations, et l’échantillon Robert Half est exclusivement américain. Ce que les deux enquêtes établissent solidement n’est pas « telle proportion d’entreprises françaises va faire la même erreur », mais l’existence documentée d’un mécanisme de décision qui peut se reproduire dans n’importe quel contexte.
L’écart sectoriel relevé par Robert Half mérite un mot d’explication. Le taux de réintégration le plus élevé se trouve dans la finance (44%), un secteur où une partie significative des tâches (analyse de dossiers, conformité, contrôle) combine des règles formalisables et un jugement contextuel difficile à séparer clairement au moment de décider. Le taux le plus bas se trouve dans la technologie (32%), un secteur où les équipes évaluent en connaissance de cause la fiabilité réelle des outils qu’elles utilisent, ce qui réduit la probabilité de surestimer leur capacité au moment de la décision.
Un poste n’est pas une tâche
Dire que « l’IA peut faire le travail » d’un gestionnaire, d’un comptable, d’un analyste ou d’un chargé de clientèle ne suffit pas pour décider de supprimer le poste correspondant. Un poste est constitué de tâches différentes : certaines peuvent être fortement automatisées, d’autres accélérées par l’IA sans disparaître, d’autres encore nécessitent toujours du jugement, de la connaissance du contexte, une relation avec un client ou un collaborateur, une prise de responsabilité ou un contrôle humain.
Les commentaires publiés autour de l’enquête Robert Half, dont ceux d’une dirigeante de l’entreprise, vont dans ce sens : les réintégrations s’expliquent notamment par un besoin de connaissance du contexte et de jugement que l’IA ne remplaçait pas, par la part de relation humaine que certaines tâches conservent, et par un besoin de supervision et de contrôle des résultats produits par l’IA, plus important qu’anticipé au moment de la suppression. Ce ne sont pas des motifs codés et quantifiés par l’enquête elle-même, mais l’explication qui revient le plus souvent dans la couverture de ses résultats : le problème n’est pas nécessairement d’avoir surestimé l’IA dans son ensemble, mais d’avoir raisonné au niveau du poste entier, alors que l’automatisation se produit au niveau des tâches.
Cette distinction rejoint directement ce qui a déjà été établi à propos de la question de savoir si l’IA va remplacer un poste : un poste se décompose en tâches de natures différentes, automatisables, augmentées ou peu affectées, et c’est cette décomposition, pas l’intitulé du poste, qui détermine ce qui peut réellement être automatisé.
Cinq questions avant de supprimer ou de ne pas remplacer un poste
Avant de décider qu’un poste peut disparaître, l’analyse devrait descendre suffisamment loin dans le travail réellement effectué.
- Quelles sont les tâches réellement réalisées ? La fiche de poste est un point de départ, pas une description fiable du travail réel : traitement d’informations, saisie, contrôle, analyse, production de documents, échanges avec des clients ou des collaborateurs, prise de décision, gestion des exceptions, coordination, supervision. Deux personnes portant le même intitulé peuvent exercer une part très différente de ces activités.
- Quelles tâches sont effectivement automatisables aujourd’hui ? La question n’est pas si une IA pourrait théoriquement réaliser une tâche, mais si l’outil dont dispose réellement l’organisation peut la réaliser avec un niveau de fiabilité acceptable, compte tenu des données disponibles, des cas particuliers, du niveau d’erreur toléré et du temps de supervision requis. Une tâche automatisée mais qui nécessite systématiquement une reprise humaine importante n’a pas disparu : elle a changé de forme.
- Que reste-t-il une fois l’automatisation réalisée ? Si l’IA prend en charge une partie des tâches d’un poste, la charge résiduelle justifie-t-elle encore un poste complet ? Peut-elle être regroupée avec d’autres activités ? Certaines tâches deviennent-elles au contraire plus lourdes parce qu’il faut désormais contrôler des résultats produits automatiquement (validation, traitement des exceptions, correction, paramétrage) ?
- Quelles compétences seront nécessaires demain ? L’analyse ne doit pas seulement regarder ce que l’IA permet de retirer aujourd’hui, mais ce que l’organisation devra savoir faire ensuite sur ce même périmètre : expertise métier, capacité de contrôle, jugement, relation client, traitement des situations complexes.
- Quel scénario d’effectif en découle réellement ? Maintenir le poste tel quel, automatiser certaines tâches et faire évoluer son contenu, redistribuer une partie de la charge, former la personne vers des activités plus complexes, ne pas remplacer un futur départ, ou supprimer effectivement le poste : la suppression devient une option parmi plusieurs, pas la conséquence automatique de l’introduction d’un outil d’IA.
Sauter directement de la première question à la cinquième, sans passer par l’analyse tâche par tâche, est précisément ce qui semble s’être produit dans une part significative des suppressions mesurées par les deux enquêtes.
Exemple : un poste transformé plutôt que supprimé
Prenons un exemple fictif simplifié. Une organisation souhaite automatiser une partie du travail d’un gestionnaire de dossiers, dont l’activité comprend la réception des demandes, l’extraction d’informations contenues dans les documents, le classement des dossiers, le traitement des situations standards, l’analyse des cas atypiques, les échanges avec les personnes concernées et le contrôle final.
Après expérimentation, l’organisation constate que son outil peut prendre en charge, de manière suffisamment fiable, la réception, l’extraction de certaines informations et une partie du classement. Elle pourrait en conclure rapidement : « une partie importante du travail est automatisée, nous pouvons supprimer le poste ». Mais l’analyse ne s’arrête pas là. Les dossiers complexes doivent toujours être traités. Les résultats automatiques doivent être contrôlés dans certaines situations. Les échanges avec les personnes concernées restent nécessaires. La nature du poste change, une part des tâches simples diminue tandis que les tâches de contrôle, d’analyse et de gestion des cas complexes prennent davantage de place : la bonne décision n’est pas de supprimer le poste, mais d’en transformer le contenu et de faire évoluer les compétences de la personne qui l’occupe.
Pourquoi le repourvoi coûte plus cher que l’absence de suppression
Un poste supprimé puis repourvu n’est pas une opération neutre. Il cumule le coût du licenciement ou du non-remplacement initial (indemnités le cas échéant, perte de savoir-faire, désorganisation temporaire de l’équipe), puis le coût d’un recrutement dans l’urgence pour combler le manque constaté a posteriori, généralement dans des conditions moins favorables qu’un recrutement planifié : délai plus court, pouvoir de négociation salariale réduit, absence du candidat initialement en poste qui connaissait déjà l’organisation. Cette double facture n’apparaît sur aucune ligne budgétaire au moment de la décision initiale : elle se répartit dans le temps, sur deux lignes distinctes, ce qui la rend difficile à identifier comme la conséquence d’une seule et même décision mal informée.
À ce coût direct s’ajoute un coût moins visible mais tout aussi réel : la perte de confiance des équipes restantes envers les décisions de transformation liées à l’IA. Une organisation qui supprime puis réintègre un poste envoie un signal ambigu, celui d’une décision prise puis défaite, ce qui rend plus difficile l’adhésion à la prochaine transformation de poste annoncée, même lorsque celle-ci repose sur une analyse solide.
Le même problème existe lorsqu’un départ n’est pas remplacé
La suppression officielle d’un poste n’est pas le seul moment où cette analyse est nécessaire. Le même raisonnement s’applique lorsqu’un salarié part en retraite, démissionne ou change de fonction. La décision peut sembler plus simple, « nous ne le remplaçons pas, l’IA absorbera une partie de la charge », mais les mêmes questions restent posées : quelles tâches disparaissent réellement ? Qui reprend celles qui restent ? Quelle charge supplémentaire est transférée à l’équipe en place ? Quelles compétences quittent l’organisation avec la personne, et quels contrôles humains restent nécessaires sur ce qui est désormais automatisé ? Le non-remplacement est une décision d’effectif au même titre qu’une suppression, et il mérite la même analyse.
Une décision difficile à prendre dans l’urgence
Cette analyse demande du temps : connaître les postes, les tâches, les compétences disponibles, les départs prévus et les capacités réelles des outils utilisés. Si ce travail commence seulement lorsqu’une réduction d’effectif devient nécessaire, l’organisation risque de devoir décider rapidement avec une information incomplète, ce qui est précisément le terrain sur lequel les suppressions mesurées par les deux enquêtes semblent s’être jouées.
L’enjeu est donc aussi d’anticiper. Cartographier progressivement les métiers, les compétences critiques et les transformations possibles permet de disposer d’une base de décision avant que la question d’un poste précis ne devienne urgente. L’arrivée de l’IA rend cette connaissance de l’organisation plus importante, non pas parce qu’il faudrait anticiper exactement ce que la technologie saura faire dans trois ou cinq ans, mais parce qu’il devient nécessaire de pouvoir mesurer rapidement ce qu’elle change réellement lorsqu’elle arrive.
Ce que ça change pour la fonction RH
La question utile n’est pas « l’IA peut-elle remplacer ce poste ? », posée au niveau du poste entier. Elle est plus précise : quelles tâches de ce poste peuvent réellement être automatisées, que reste-t-il ensuite, et de quelles compétences aura-t-on besoin sur ce qui reste ? Ce n’est qu’après avoir répondu à ces questions qu’une décision d’effectif devient réellement éclairée, qu’il s’agisse d’une suppression, d’une transformation de poste ou d’un non-remplacement.
Le module Structurer votre organisation d’effectivo permet de documenter cette analyse au niveau des postes, des compétences et des effectifs cibles, puis de la confronter à différents scénarios d’évolution avant de trancher, plutôt que de découvrir après coup, comme 55% des dirigeants interrogés par Orgvue, que la décision reposait sur une hypothèse plutôt que sur une analyse.
Sources : Orgvue, communiqué de presse (29/04/2025), Robert Half, enquête relayée par IBTimes UK (avril 2026).