Depuis 2023, plusieurs grandes entreprises ont invoqué l'intelligence artificielle pour justifier des suppressions de postes massives. Le terme "licenciement pour IA" s'est imposé dans le débat public avec une rapidité qui tranche avec la difficulté de la démonstration qu'il implique. Car la question n'est pas rhétorique : la causalité peut-elle être établie, et si oui, par qui, avec quels moyens ? Ce qui rend le sujet difficile, c'est précisément que l'ambiguïté causale, l'impossibilité de distinguer avec certitude une mutation technologique d'une réorganisation opportunément habillée, n'est pas un défaut de transparence. C'est une structure.
La vraie question n'est donc pas de savoir si l'IA est un alibi ou une cause réelle. C'est de comprendre pourquoi cette distinction est structurellement impossible à établir, et ce que cette impossibilité autorise, du côté des employeurs comme du côté des salariés.
La causalité IA peut être réelle, et le droit l'a anticipée
Il faut commencer par rejeter la thèse symétrique inverse : non, la causalité IA n'est pas toujours fictive. La Cour de cassation reconnaît la mutation technologique comme motif de licenciement économique depuis bien avant l'IA générative. Comme l'analyse Mathieu Vallens , avocat spécialisé, la mise en œuvre d'un logiciel supprimant la majeure partie des tâches d'un salarié constitue une mutation technologique licite, sous trois conditions cumulatives : tentative de reclassement, obligation de formation, et démonstration que l'évolution technologique rendait le poste obsolète. Pas seulement qu'elle était commode.
Deux cas permettent de rendre cette causalité concrète. Klarna a déployé en 2024 un chatbot IA qui a traité 2,3 millions de conversations en quatre semaines, réduisant le temps de résolution de onze à deux minutes. L'entreprise documente que cet outil fait le travail équivalent de 700 personnes, et les données de performance l'étayent. IBM, la même année, a supprimé 8 000 postes dans ses ressources humaines pour automatiser des fonctions administratives : le PDG Arvind Krishna reconnaît explicitement la causalité, tout en notant que le volume total d'emplois a augmenté par réallocation vers d'autres fonctions.
Ces cas ont un point commun : la démonstration est possible parce que la substitution est mesurable, un volume de tâches, un temps de traitement, un périmètre de fonction. Mais ils restent des exceptions. Ce qui caractérise la majorité des situations, c'est précisément l'absence de cette démonstration. Et ce n'est pas un hasard.
L'ambiguïté causale est délibérément entretenue
Thomas Davenport et Laks Srinivasan ont documenté dans la Harvard Business Review en janvier 2026 un mécanisme central : les grandes entreprises, Ford, Amazon, Salesforce, JP Morgan Chase, restructurent leur main-d'œuvre de manière préventive, sans attendre que l'IA ait réellement remplacé les fonctions concernées. Le licenciement précède la démonstration de la causalité. Ce qui rend la preuve rétrospective impossible, c'est précisément que la décision a été prise sur une projection, pas sur une performance mesurée.
Le cas Onclusive France en septembre 2024 illustre le mécanisme inverse. Un plan social supprimant 217 postes sur 383 est annoncé avec l'IA comme motif officiel. Sous la pression du CSE, des syndicats et de l'administration du Travail, la direction requalifie le motif en "réorganisation nécessaire à la sauvegarde de la compétitivité". Non pas parce qu'elle mentait, mais parce qu'il était trop difficile de prouver que l'IA aurait une conséquence directe et avérée sur l'emploi. La requalification n'est pas un aveu de mauvaise foi : c'est une adaptation à une exigence probatoire que le motif "mutation technologique" rend beaucoup plus contraignante que "réorganisation".
À l'échelle macro, les chiffres ne tiennent pas non plus. 48 414 postes supprimés aux États-Unis avec l'IA comme motif officiel en 2025 (données Challenger). Pourtant le Budget Lab de Yale, après examen du marché du travail américain depuis le lancement de ChatGPT , conclut que le marché du travail dans son ensemble n'a pas connu de perturbation notable. Oxford Economics qualifie les "AI layoffs" de "corporate fiction" dans leur globalité. 95 % des entreprises investissant dans l'IA ne montrent aucun retour mesurable selon les travaux MIT/Oxford, ce qui rend difficile d'attribuer des suppressions de postes à une productivité que personne ne mesure encore.
Le cas Accenture affine encore le mécanisme. Entre mai et août 2025, l'entreprise supprime 12 000 postes, tout en formant simultanément 550 000 collaborateurs aux fondamentaux de l'IA générative et en doublant ses effectifs de spécialistes IA (de 40 000 à 77 000). La PDG Julie Sweet est explicite : "Nous nous séparons des personnes dont nous pensons qu'elles ne pourront pas apprendre les compétences nécessaires." L'IA n'est pas la cause directe de la suppression, elle est le critère de sélection. Ce glissement est décisif : on ne licencie pas parce qu'un automate a remplacé un poste, mais parce qu'un salarié est jugé incapable d'acquérir les compétences que l'IA va rendre nécessaires.
L'ambiguïté causale est donc entretenue pour trois raisons concomitantes : les décisions sont anticipatoires et non réactives, le motif le plus honnête est souvent le moins défendable juridiquement, et les données macro ne confirment pas la causalité à l'échelle agrégée. Ce n'est pas un bug du système, c'est sa configuration normale.
Ce que le droit permet de faire avec une causalité qu'on ne peut pas trancher
Si la distinction entre alibi et mutation réelle est structurellement impossible à établir, la question pratique change de forme. Il ne s'agit plus de prouver le motif réel, ce que personne ne peut faire avec certitude, mais d'identifier les leviers que le droit offre indépendamment de cette question causale.
Le premier levier est procédural. Quelle que soit la cause invoquée, mutation technologique ou réorganisation,, l'employeur est tenu aux mêmes obligations : consultation du CSE, tentative de reclassement, obligation de formation. La différence entre les deux motifs n'est pas dans les droits des salariés pendant la procédure. Elle est dans le régime de preuve que l'employeur doit satisfaire pour établir sa bonne foi en aval. Invoquer la mutation technologique impose de démontrer l'impact direct de l'IA ; invoquer la réorganisation déplace la charge vers la nécessité économique, plus vague, plus facile à construire. Le choix du motif est stratégique, pas descriptif.
Le second levier porte sur l'obligation de formation. Ce que les cas Accenture, IBM et Klarna ont en commun, même dans leurs configurations très différentes, c'est que la vraie variable n'est pas la technologie : c'est la capacité des salariés à travailler avec elle. Les suppressions visent des profils dont les compétences sont jugées non adaptables. L'employeur a-t-il mis en œuvre les moyens nécessaires pour que ces salariés acquièrent les compétences requises avant de conclure à leur obsolescence ? C'est là que l'obligation légale de formation devient le critère central d'évaluation de la bonne foi, et le terrain le plus actionnable pour les représentants du personnel.
Le troisième levier est informationnel. Le projet Dial-IA, conduit en 2025 par des syndicats et des chercheurs de l'IRES, a documenté une asymétrie décisive : les directions disposent d'informations complètes sur les projets IA déployés ou anticipés ; les représentants du personnel et les salariés n'y ont pas accès. FO Cadres la qualifie de "forte asymétrie d'information entre les directions et les salariés sur les projets IA". Cette asymétrie est la condition qui rend l'ambiguïté causale exploitable, sans information sur les projets IA, il est impossible de contester le motif invoqué avec des arguments techniques. La consultation du CSE sur les projets IA, si elle est exercée en amont des décisions plutôt qu'en réaction à elles, est le levier préventif le plus puissant disponible dans le droit existant.
Reformuler la question
La bonne question n'est pas "l'IA est-elle la vraie cause de ce licenciement ?". Cette question est légitime, mais elle est sans réponse opérationnelle dans la majorité des cas, et les employeurs le savent. La question qui ouvre des leviers est différente : l'employeur a-t-il rempli ses obligations envers les compétences des salariés avant de décider que leurs postes étaient obsolètes ?
C'est là que le droit est le plus opérant, et là que les représentants du personnel peuvent exercer leur contrôle le plus efficacement. Non pas en cherchant à trancher une causalité que personne ne peut établir avec certitude, mais en exigeant la transparence sur les projets IA avant que les décisions soient prises, et en vérifiant que l'obligation de formation a été remplie avant que des profils soient déclarés non adaptables.
Ce déplacement de la question, de la causalité vers les obligations, a une conséquence pratique immédiate : il transforme le débat sur le "licenciement pour IA" en débat sur la gestion anticipée des compétences. Et c'est précisément là que les outils organisationnels existent, que les droits sont actionnables, et que la distinction entre entreprises qui traversent l'IA en absorbant les mutations et celles qui la traversent en externalisant les coûts humains devient visible, non pas dans les motifs invoqués, mais dans ce qui s'est passé avant.