Le piège des licenciements IA : pourquoi licencier détruit la demande

Le 26 février 2026, Jack Dorsey a fait le calcul à voix haute : 4 000 personnes ont perdu leur emploi en une seule après-midi.

Block – la société derrière Square, Cash App, Tidal et Afterpay – est passée d'un peu plus de 10 000 employés à un peu moins de 6 000 en un seul geste. Quarante pour cent des effectifs. Dorsey n’a pas enterré la raison dans le langage RH. Il a publié la note sur X. Il a cité les « outils de renseignement » – AI – comme moteur dans sa lettre aux actionnaires. Et puis il a dit quelque chose que, en tant que constructeur expédiant des produits AI chaque jour, je n'ai pas pu arrêter de mâcher depuis deux mois.

"Je pense que la plupart des entreprises sont en retard. Au cours de l'année prochaine, je pense que la majorité des entreprises parviendront à la même conclusion et procéderont à des changements structurels similaires. Je préfère y arriver honnêtement et selon nos propres conditions plutôt que d'y être contraint de manière réactive." — Jack Dorsey, post sur X, 26 février 2026

Wall Street a adoré. Le titre a bondi d'environ 20 % lors de la séance suivante. Le marché a interprété cette décision exactement de la même manière que Dorsey – comme la preuve que Block avait déchiffré le code consistant à faire plus avec moins de personnes. Tous les directeurs financiers qui regardaient ce téléscripteur faisaient le même calcul. Chaque conseil d'administration disposant d'un budget AI inactif a posé la même question lundi.

Et six jours plus tard, le 2 mars 2026, deux économistes – l’un de l’Université de Pennsylvanie, l’autre de l’Université de Boston – ont discrètement publié un article de 70 pages sur arXiv qui dit, avec le genre de preuve formelle froide qui rend les mathématiques indéniables, que tout cet instinct à l’échelle de l’industrie est un piège. Pas un échec moral. Un piège. Un dilemme du prisonnier où la décision visant à maximiser les profits d'une entreprise, exécutée simultanément par toutes les entreprises, détruit collectivement le marché qu'elles tentent toutes de conquérir.

Le document s'intitule Le piège de licenciement AI. Les auteurs sont Brett Hemenway Falk (UPenn) et Gerry Tsoukalas (BU). J'ai passé les trois dernières semaines à vivre à l'intérieur. Cet article est ce que j'ai retiré - l'argument, les conclusions contre-intuitives, les six correctifs proposés classés honnêtement, et là où je pense que le document a raison, où il sous-estime ses propres conclusions, et ce que cela signifie pour chacun d'entre nous qui construit des produits AI et parie sur une carrière sur ce qui se passera ensuite.

Si vous expédiez AI pour gagner votre vie, cette lecture n'est pas facultative. Laissez-moi vous montrer pourquoi.

L'angle mort présent sur la feuille de calcul de chaque directeur financier

Voici ce qui m'a attrapé, et cela m'a eu avant même d'ouvrir le journal.

Un travailleur n’est pas seulement une ligne de coûts. Un travailleur est aussi un client.

Lisez cela deux fois. Parce que chaque feuille de calcul que j'ai jamais vue traite la paie comme une pure sortie de fonds – un chiffre du côté des dépenses, point final. Le directeur financier modélise clairement les économies résultant d'un licenciement : prenez la rémunération totale, multipliez par la réduction des effectifs, soustrayez les indemnités de départ, ajoutez-les à la marge opérationnelle. Fait. Le modèle vous donne à chaque fois un nombre positif sans ambiguïté.

Mais ce travailleur est aussi quelqu’un qui achète des choses. Un sac d'épicerie. Un abonnement à une salle de sport. Un abonnement Cash App, ironiquement. Un terminal de paiement de marque Block dans le café du coin de la rue. Une licence SaaS. Une mise à niveau matérielle que leur employeur aurait approuvée. Lorsque vous les licenciez, les économies sont réalisées dans vos comptes dès le premier jour. La demande perdue qu'ils auraient générée touche les livres de quelqu'un – et la plupart d'entre eux ne touchent pas les vôtres.

C'est l'externalité. C'est tout le document en une seule phrase. Falk et Tsoukalas appellent cela une « externalité de la demande » : de la même manière qu’un pollueur industriel ne paie pas le coût de la rivière qu’il contamine, une entreprise d’automatisation ne paie pas le coût de la demande des consommateurs qu’elle vaporise. L'épargne est privée. Le dommage est socialisé.

Je crée des produits AI depuis des années. J'ai vu fondateur après fondateur présenter une présentation dont le titre était "nous remplaçons X millions de dollars de masse salariale par notre agent". J'ai fait ce pitch moi-même. Aucun de ces modèles ne modélise l’effet côté demande. Aucun d’entre eux ne se demande ce qui se passe lorsque tous les concurrents de la catégorie font la même chose au cours du même trimestre. Il manque une colonne dans le modèle de compte de résultat.

La conclusion brutale est que dans un contexte de prix compétitifs – qui est le monde dans lequel nous vivons réellement – ​​l’entreprise qui automatise réalise d’abord la totalité des économies de coûts, mais ne supporte qu’une fraction des dommages causés par la demande, car les dommages causés par la demande sont répartis sur l’ensemble du marché. Ainsi, unilatéralement, chaque entreprise prend une décision rentable et mathématiquement dominante. Feu. Tirez toujours. Il n’existe pas d’équilibre dans lequel les entreprises s’abstiennent volontairement, car la retenue est perdante au profit de quiconque fait défaut.

C’est exactement la structure du dilemme du prisonnier. Et le document le formalise d'une manière que je n'ai jamais vue auparavant clairement.

Les mathématiques rendues concrètes (Pourquoi licencier 1 000 travailleurs ressemble à un geste de génie)

Permettez-moi de vous présenter l'exemple utilisé par le journal, car dès que je l'ai dessiné au crayon sur une serviette, il a cessé d'être abstrait.

Imaginez un marché composé de dix entreprises de taille à peu près égale. Appelez-les Entreprise A à Entreprise J. Chacune compte, disons, 1 000 travailleurs. Effectif total de l'industrie : 10 000 personnes. Ces 10 000 personnes gagnent un salaire. Ils dépensent une partie de ces salaires sur ce marché, en achetant les biens et services que ces dix entreprises se vendent entre elles et au reste de l’économie.

L'entreprise A décide de déployer AI et de licencier les 1 000 travailleurs. Voici ce qui se passe dans le bilan de la société A :

- Économies sur la paie : 100 % – L'entreprise A récupère chaque dollar qu'elle a utilisé pour payer ces travailleurs.

• Impact sur la demande : 1/10 — L'entreprise A perd à peu près sa part de marché proportionnelle à la demande que les travailleurs licenciés généraient auparavant. L'autre 9/10 de la perte de demande est réparti entre les sociétés B à J.

Du point de vue de l’entreprise A, cela est sans aucun doute rentable. Vous économisez 100 % du coût ; vous ne mangez que 10 % de la perte de demande correspondante ; les 90 % restants sont le problème de quelqu'un d'autre. Le calcul fonctionne. Le directeur financier obtient une promotion. Le titre bondit de 20 %.

Désormais, les sociétés B à J examinent la société A et exécutent la même arithmétique. Ils doivent le faire. Leurs conseils d’administration le demandent. » se demandent leurs analystes. Ce sont leurs actionnaires qui le demandent. Ils arrivent tous à la même conclusion : « Si nous ne faisons pas ce que A a fait, notre structure de coûts est inversée par rapport à A et nous perdons en marge. Si nous faisons ce que A a fait, nous capturons 100 % de nos économies sur la masse salariale et ne mangeons que 1/10 des dommages causés par la demande marginale. »

Ainsi, les dix entreprises licencient leurs 10 000 travailleurs.

Et maintenant, le marché a perdu 100 % de la demande que ces travailleurs généraient auparavant. Le partage 1/10 que chaque entreprise « ne mange que » – ce partage est désormais empilé dix fois. L’effondrement total de la demande frappe tout le monde de plein fouet. Les bénéfices sur l’ensemble du marché se sont effondrés parce que les clients ont cessé de se présenter. Les économies réalisées sur la masse salariale sont réelles, mais elles ont été submergées par l'effondrement des revenus du chiffre d'affaires.

Chaque décision individuelle était rationnelle. Le résultat collectif est un cratère fumant.

Le document le prouve formellement. Dans ce qu’ils appellent la « limite sans friction » – la limite où chaque tâche est également automatisable – le jeu se transforme en un dilemme classique du prisonnier où licencier l’intégralité de votre main-d’œuvre humaine est la stratégie strictement dominante. Pas seulement une bonne décision. Le mouvement dominant. Le mouvement que vous faites indépendamment de ce que font les autres. Même si vous saviez avec certitude que tout le monde allait se retenir, vous feriez quand même défection, car la défection est individuellement rentable dans tous les états du monde.

C'est le piège. Ce n’est pas que les PDG soient mauvais. C’est que les règles du jeu punissent quiconque y joue sur le long terme. Le tweet de Dorsey, lu dans ce cadre, n’est pas de la bravade. C'est l'annonce d'un mouvement d'équilibre de Nash. C'est un acteur rationnel qui joue la stratégie dominante et dit aux autres acteurs rationnels "vous devriez jouer la vôtre aussi, parce que vous allez le faire de toute façon, autant le faire maintenant".

Pourquoi les pactes industriels volontaires ne vous sauveront pas

C’est ici que le papier devient véritablement chirurgical.

Chaque fois que j'ai cette conversation avec un autre fondateur, quelqu'un me dit : "Mais et si tous les grands acteurs convenaient de ne pas faire cela ? Un pacte industriel. Un code de conduite. Un engagement."

Falk et Tsoukalas transposent cette idée dans le hachoir à viande. Le résultat n'est pas joli.

Dans le dilemme du prisonnier, les accords volontaires ne s’appliquent pas d’eux-mêmes. La structure de la matrice des gains signifie que si vous et moi signons un pacte stipulant que nous n'automatiserons pas, et que vous l'honorez, mon meilleur choix est de faire défection – de licencier mes employés et de réaliser des économies pendant que vous tenez le cap. Je comprends les avantages. Vous n'obtenez rien. Si vous faites également défection, eh bien, nous sommes tous les deux dans une situation pire que si nous avions tous les deux honoré le pacte, mais je ne suis pas dans une situation plus mauvaise que si je tenais le cap et que vous faisiez défection. La défection est donc dominante dans tous les États. Le pacte n’a pas de mordant.

Les auteurs notent spécifiquement qu’il ne s’agit pas d’un « échec de coordination que la communication peut résoudre ». Se parler ne résout pas le problème. La confiance ne résout pas le problème. L’engagement public ne résout pas le problème. La structure des incitations est pourrie. Tant que la défection est récompensée individuellement, aucun accord non contraignant n’est stable.

C'est d'ailleurs pourquoi le périodique « sommet éthique AI » ou « engagement pour une automatisation responsable » me fait un peu lever les yeux. Non pas parce que les personnes qui les signent ne sont pas sincères. Certains d’entre eux pensent réellement chaque mot. Mais l’analyse de l’équilibre est impitoyable. Le premier trimestre où le concurrent d'un signataire - qui n'a pas signé - affiche un avantage de marge de 200 points de base grâce au déploiement de AI, le conseil d'administration de ce signataire va avoir une réunion très sérieuse. Et au deuxième trimestre, le pacte est mort.

La seule manière de sortir du dilemme du prisonnier est de modifier la matrice des gains. Pas les joueurs. Pas la rhétorique. La matrice.

Ce qui nous amène aux six choses proposées par le document – ​​et aux raisons pour lesquelles cinq d’entre elles ne fonctionnent pas.

Les six correctifs, classés sans pitié

Le document évalue systématiquement six réponses politiques proposées aux licenciements provoqués par AI. Voici le tableau de bord honnête, avec mes propres commentaires sur chacun, car le journal est plus précis que ne l’a été la couverture la plus populaire de celui-ci.

1. Revenu de base universel – Correction partielle, mauvais objectif

L'UBI offre aux travailleurs licenciés un transfert direct en espèces pour maintenir leur consommation. Le problème : cela n’apporte rien au calcul coûts-avantages de l’entreprise. Le directeur financier qui applique le modèle de licenciement constate toujours les mêmes économies salariales d’un côté et les mêmes dommages proportionnels aux exigences de l’autre. L'UBI aide le travailleur, ce qui compte moralement et pratiquement, mais cela ne change pas les règles du dilemme du prisonnier. La course aux armements continue. La demande peut être partiellement soutenue, mais l’externalité reste non internalisée. Utile, ne résout pas.

2. Impôt sur les bénéfices avec redistribution – Solution partielle, neutre sur les incitations

Taxer les bénéfices des entreprises et redistribuer les bénéfices aux travailleurs licenciés. Ça a l’air propre. Le problème souligné par le document est que cela réduit les bénéfices de manière uniforme dans toutes les entreprises – automatisées et non automatisées – ce qui signifie que cela ne change pas l'incitation relative à automatiser ou à ne pas automatiser. Si l’automatisation était la stratégie dominante avant la taxe, elle l’est toujours après. Vous avez réduit l'ampleur du prix mais conservé la même forme. Le piège reste suspendu.

3. Équité des travailleurs/Partage des bénéfices – Correction partielle, interne uniquement

Donnez aux travailleurs une participation afin qu’ils partagent les gains de productivité issus de l’automatisation. C’est intéressant au niveau de l’entreprise : cela peut atténuer le coup porté aux travailleurs de l’entreprise en question. Mais cela ne traite pas du tout de l’externalité de la demande entre les entreprises. Les travailleurs de l'entreprise A bénéficiant de l'automatisation de l'entreprise A ne font rien pour les clients de l'entreprise B, C ou D, qui sont également les clients de l'entreprise A dans leur ensemble. Le mécanisme est trop local pour résoudre un problème à l’échelle du marché.

4. Pacte volontaire d'entreprise pour retenir AI — Ne fonctionne pas

Nous venons d'expliquer pourquoi. Le pacte est structurellement instable. Le premier transfuge gagne. La conception du mécanisme est cassée à la base. Le journal évalue cela avec autant de patience que je viens de le faire.

5. Programmes de reconversion/amélioration des compétences — Partiels, conditionnels à la vitesse

C’est celui sur lequel je suis le plus indulgent et celui sur lequel le journal est le plus prudent. La reconversion fonctionne si les travailleurs déplacés peuvent être réabsorbés dans de nouveaux rôles productifs assez rapidement pour que la demande globale ne s'effondre pas dans l'écart. Le problème est qu’historiquement, les transitions technologiques ont mis des années, voire des décennies, à achever la réabsorption. La révolution industrielle a appauvri une génération tandis que les gains de productivité à long terme profitaient à leurs petits-enfants. La question de savoir si AI se déroulera suffisamment rapidement pour combler l’écart avant que la demande ne s’érode est une question empirique ouverte – sur laquelle je reviendrai.

6. Taxe d'automatisation Pigouvian — En vigueur. Le seul qui résout réellement le problème

C’est la réponse sur laquelle atterrit le journal, et son élégance est véritablement le genre de chose à laquelle vous hochez la tête deux fois lorsque vous comprenez ce qui se passe.

Imposer à l’entreprise une taxe égale aux dommages causés à la demande par ses licenciements sur le reste de l’économie. Internalisez l’externalité. Forcez la feuille de calcul du directeur financier à inclure la colonne qui lui manque. Les économies ne changent pas. Mais désormais, les économies réalisées ont un coût correspondant qui augmente avec les dommages qu’elles causent. L’arithmétique revient à quelque chose de défendable.

Ce nom doit son nom à Arthur Pigou, l’économiste britannique qui a introduit en 1920 l’idée selon laquelle les externalités négatives – la pollution étant l’exemple canonique – devraient être taxées à un taux égal au coût social marginal qu’elles imposent. Le débat sur la taxe carbone en est le descendant moderne. L'intuition de Pigouvian est que les marchés sont efficaces lorsque les prix reflètent tous les coûts d'une action ; ils sont inefficaces lorsque certains coûts sont transférés à des tiers. L’externalité des licenciements est, dans ce cadre, exactement analogue à la pollution. L'atmosphère est le marché du travail. Le carbone, c'est le licenciement. Les poissons qui meurent en aval sont les petites entreprises dont les clients ont arrêté de franchir la porte.

Une taxe d'automatisation Pigouvian n'interdit pas les licenciements. Cela n'interdit pas AI. Il ne choisit pas les gagnants. Cela rend simplement la feuille de calcul de l'entreprise honnête. Si le gain de productivité AI est véritablement supérieur aux dommages causés à la demande, l'entreprise continue d'automatiser et de payer l'impôt – et les recettes fiscales peuvent financer la reconversion, l'UBI, les infrastructures, etc. Si le gain est inférieur au préjudice, l’entreprise n’automatise pas et le résultat social est préservé. Le marché fait le tri. L'externalité cesse d'être une externalité gratuite.

C'est la seule solution dont le journal prouve formellement qu'elle fonctionne dans son modèle, et après avoir discuté pendant trois semaines, je pense qu'ils ont raison. Les cinq autres sont des mesures partielles, allant d’une « aide marginale » à une « aide structurellement désespérée ». La taxe Pigouvian est celle qui recâble réellement la matrice.

L'effet Reine Rouge : pourquoi un meilleur AI aggrave le piège

Voici le constat qui m'a le plus fait peur. J'ai dû le lire trois fois pour être sûr de bien le comprendre.

On pourrait penser, intuitivement, qu'à mesure que AI devient plus performant, les dommages causés par les licenciements deviennent plus petits parce que les gains de productivité deviennent plus importants. Plus de capacité AI par dollar signifie plus de production par dollar, ce qui signifie plus de surplus économique. La tarte grossit. Cela aide sûrement ?

Le journal prouve le contraire.

Mieux, AI rend le piège pire, pas meilleur. Voici le mécanisme : AI plus fort = économies salariales plus importantes par travailleur licencié = incitation plus grande à licencier toute entreprise individuelle. Le coût de la retenue augmente. La récompense pour la défection augmente. Pendant ce temps, les dommages causés à la demande par chaque licenciement ne diminuent pas – ils restent à peu près proportionnels ou, dans certains scénarios, augmentent activement parce que les travailleurs licenciés restent au chômage plus longtemps dans un environnement plus automatisé. Ainsi, l’écart entre « ce que l’entreprise capture en automatisant » et « ce que la société perd grâce à l’automatisation » se creuse à mesure que AI s’améliore.

Le résultat est ce que les auteurs décrivent comme quelque chose de proche d’un effet Reine Rouge – une expression issue de la biologie par Lewis Carroll. Dans De l'autre côté du miroir de Carroll, la Reine Rouge dit à Alice que dans son pays, "il faut courir autant que l'on peut pour rester au même endroit". Les biologistes ont adopté la métaphore des courses aux armements évolutives dans lesquelles une espèce doit continuer à évoluer simplement pour maintenir sa position par rapport aux prédateurs et aux concurrents. Appliquez-le aux entreprises dans cet environnement AI : à mesure que AI s'améliore, chaque entreprise doit automatiser davantage pour suivre le rythme de toutes les autres entreprises qui automatisent davantage. Personne n’obtient un avantage relatif. La course s'intensifie. La facture globale de la demande et des dommages augmente. Collectivement, aucun progrès ; individuellement, pas d'échappatoire.

C’est la partie du journal qui manque à la plupart des reportages. L'histoire n'est pas "AI est mauvais au début mais tout ira bien une fois qu'il aura mûri". L’histoire est inverse : plus AI devient compétent, plus les entreprises profondément rationnelles sont piégées et plus il est difficile de s’en sortir sans intervention politique. La capacité ne résout pas la coordination. En fait, cela aggrave le problème de coordination.

Je veux m'asseoir avec ça pendant une seconde. Parce que si vous êtes un constructeur qui expédie des produits AI – et je le suis, lecteur, chaque semaine – votre modèle mental par défaut est « de meilleurs modèles rendent le monde meilleur ». C'est l'énoncé de mission le plus clair possible. Et à l’intérieur des quatre murs de tout produit individuel, c’est vrai. De meilleurs modèles me permettent d'en faire plus pour mes utilisateurs. Le coût par jeton a explosé. La capacité par dollar est devenue verticale. Chaque version d'Opus, chaque version de Sonnet, chaque version de Codex rend les éléments que je construis moins chers à exécuter et plus utiles à utiliser. (J'ai écrit exactement sur cette dynamique lorsque l'accord de calcul SpaceX de Anthropic a doublé les limites de débit début mai.)

Mais les conclusions de Red Queen indiquent que l’effet macro du fait que nous construisons tous ces choses simultanément, dans un marché structuré de la même manière que le nôtre, peut être net destructeur même lorsque chaque produit individuel est net positif au niveau de l’utilisateur. C'est un résultat profondément inconfortable à prendre en compte en tant que développeur AI. J'ai mâché.

Le décompte des morts en 2025 et pourquoi le timing du journal est important

Le journal est arrivé à un moment très précis.

Le suivi de Layoffs.fyi montre que 2025 s'est clôturé avec environ 157 000 licenciements technologiques. Challenger, Gray & Christmas – qui suit la raison déclarée des suppressions d'emplois à l'aide de leur méthodologie de rapport sur les suppressions d'emplois – en a attribué environ 55 000 à AI spécifiquement comme moteur cité. Des trackers indépendants comme Programs.com placent le nombre attribuable à AI au-dessus de 100 000 lorsque vous incluez les entreprises qui investissent massivement dans AI, même si elles ne l'ont pas indiqué par écrit. La vérité se situe quelque part dans cette fourchette ; les méthodologies diffèrent légitimement. Ce n’est pas le cas de la tendance.

Au premier trimestre 2026, la situation s’est améliorée. Selon un rapport de Nikkei Asia cité dans la couverture académique du document AI Layoff Trap, environ 78 557 travailleurs technologiques ont été licenciés dans le monde entre janvier et début avril 2026, dont 76 % aux États-Unis. Parmi ceux-ci, 37 638 — environ 48 % — ont été explicitement attribués à AI et à l'automatisation par les entreprises effectuant la découpe. Cela représente un doublement de la part d'attribution AI en un an.

La journée de février de 4 000 travailleurs de Block a été la plus bruyante de ces actions, mais elle n'était pas isolée. CNBC a rapporté fin avril que Meta et Microsoft avaient annoncé ou signalé environ 20 000 réductions combinées ce trimestre-là, que leur propre couverture avait encadrées sous le titre "soulèvent des inquiétudes quant à la crise du travail provoquée par AI". Les noms tournent. Le modèle tient.

Dans ce contexte, l'indice économique Anthropic — le propre rapport trimestriel de Anthropic sur la façon dont Claude est utilisé dans l'ensemble de l'économie — a publié son rapport « Courbes d'apprentissage » de mars 2026 montrant qu'environ 4 % des emplois utilisent AI pour au moins 75 % des tâches, et qu'environ 36 % en ont au moins 25 %. Utilisation de AI. Le codage reste le cas d’utilisation dominant de Claude, représentant environ 35 % des conversations. Les professions les plus exposées aux données d'utilisation de Claude sont les programmeurs informatiques, les représentants du service client et les analystes financiers – des rôles qualifiés et instruits, et pas seulement de niveau débutant.

Anthropic n'a constaté « aucune hausse claire des taux de chômage pour les travailleurs exerçant les professions les plus exposées à AI » – mais ils ont constaté que l'embauche de jeunes travailleurs (âgés de 22 à 25 ans) dans des postes à forte exposition a ralenti d'environ 14 % depuis le lancement de ChatGPT.

Lisez ces deux points de données ensemble : le chômage global n'affiche pas encore le signal AI, mais la porte d'entrée se ferme. La première fissure dans le verre apparaît exactement là où on s'attend à ce qu'elle apparaisse en premier : au niveau inférieur, là où le travailleur marginal est le plus facilement remplacé par un modèle.

C'est le contexte empirique de l'article. Il ne s’agit pas de théoriser sur un scénario hypothétique pour 2030. Il s'agit de modéliser un processus qui en est déjà à six trimestres de sa première phase, avec une entreprise Fortune 500 ayant publiquement tweeté le manuel de stratégie et le PDG de cette entreprise prédisant officiellement que le reste suivrait dans les 12 mois.

Les calculs sont arrivés tardivement, mais ils sont arrivés.

Ce que je pense que le journal contient correctement et ce que je repousse

Trois semaines passées à vivre dans ce journal, voici où j'atterris.

Là où je pense que Falk et Tsoukalas ont sans ambiguïté raison :

La formulation du dilemme du prisonnier est correcte. J'ai parlé aux fondateurs, aux directeurs financiers et aux responsables des opérations dans trois secteurs au cours des deux derniers mois. Sans exception, la feuille de calcul qu'ils créent pour évaluer le déploiement de AI ressemble exactement à ce qui est décrit dans le document. De pures économies de coûts d’un côté, pas de colonne demande-externalité de l’autre côté. Quiconque vous dit que le marché « s’auto-corrige » sur ce point ne modélise pas la même équation que celle que modélisent ceux qui appuient sur la gâchette.

L’argument selon lequel le pacte volontaire ne fonctionne pas est solide comme le roc. Ce serait solide même si je n'avais pas vu une demi-douzaine de coalitions industrielles se former et se dissoudre autour de l'éthique AI au cours des 18 derniers mois. Les mathématiques sont les mathématiques. Les coalitions dans le dilemme du prisonnier font défaut. Toujours.

L’argument de la Reine Rouge est la découverte la plus sous-estimée du journal et celle qui fait l’objet de la plupart des reportages. "Plus de AI = plus de mal dans ce régime" est un résultat qui doit être accepté et non écarté.

Là où je suis moins sûr :

Le point de recyclage conditionnel à la vitesse est l’incertitude portante. Les vagues d'automatisation passées ont finalement réabsorbé les travailleurs déplacés — dans des secteurs entièrement nouveaux, souvent qui n'existaient pas avant le début de la vague. L'ouvrier équestre est devenu mécanicien automobile. L'ouvrier d'usine est devenu ouvrier des services. Le caissier de banque est devenu ingénieur logiciel. La réabsorption n’est pas magique ; cela nécessite une formation de capital, des filières de formation et de la patience sociale. Le modèle de l'article est correct : si la réabsorption est rapide et complète, la reconversion à elle seule pourrait suffire. La question empirique est de savoir si le déplacement de AI se produit plus rapidement que le tuyau de réabsorption ne peut s'écouler.

Je ne connais vraiment pas la réponse. Je penche pour "cette fois, c'est vraiment plus rapide", car la vitesse et l'ampleur de la substitution AI sont qualitativement différentes des vagues précédentes - elle touche le travail cognitif directement, simultanément, dans de nombreux secteurs, avec un cycle de déploiement mesuré en mois plutôt qu'en décennies qu'a pris la mécanisation. Mais je veux être honnête : il s’agit d’un jugement, pas d’une preuve. Le travail sur le déplacement et la réintégration des tâches d'Acemoglu et Restrepo est la version rigoureuse de ce débat, et il est loin d'être réglé, même parmi les personnes qui ont construit le cadre.

Où je pousserais le papier :

Je pense que Falk et Tsoukalas sous-estiment à quel point le problème de coordination internationale nuira à toute taxe Pigouvian réelle dans la pratique. La preuve du journal fonctionne dans une économie fermée. Dans une économie ouverte, si les États-Unis imposent une taxe sur les licenciements et que la Corée ne le fait pas, les entreprises américaines délocalisent ou restructurent leur automatisation dans des juridictions sans taxe, l’assiette fiscale s’érode et la matrice des incitations se replie vers la défection au niveau du pays plutôt qu’au niveau de l’entreprise. Le même dilemme du prisonnier augmente d’un niveau d’abstraction.

Pour résoudre ce problème, il faut soit (a) une politique internationale coordonnée – historiquement très difficile – soit (b) une structure fiscale basée sur la localisation du travailleur déplacé plutôt que sur la localisation de l'entreprise effectuant le déplacement, ce qui serait favorable aux revenus nationaux mais serait un cauchemar réglementaire à mettre en œuvre.

C'est la partie où je voudrais un document de suivi. La preuve d’une économie fermée est la première étape nécessaire. La théorie des jeux de l’économie ouverte est la question politique réellement pertinente.

Qu'est-ce que cela signifie si vous construisez, investissez ou pariez sur les produits AI

Trois semaines après avoir réfléchi à cela, voici où mes propres décisions ont évolué.

Pour les constructeurs et les fondateurs qui expédient des produits AI : Arrêtez de vendre du remplacement pur. Vendez une augmentation, une extension de capacité ou la création de nouvelles tâches. Non pas parce que le remplacement est moralement mauvais – ce n'est pas le cas, sur une base par entreprise – mais parce que le risque d'effondrement de la demande frappe les clients de vos clients, ce qui signifie qu'il finit par toucher votre TAM. Si la seule façon pour votre produit d'économiser de l'argent à vos clients est de licencier leurs employés, les clients de votre client ont été partiellement financés par ces salaires et le impact revient sur la ligne de revenus de votre client dans un délai de 4 à 8 trimestres. Un produit qui aide une équipe de 10 personnes à faire le travail de 30 personnes est structurellement plus durable qu'un produit qui aide une équipe de 30 personnes à être remplacée par 10 personnes. Le calcul de la LTV client s'applique à l'économie au sens large.

Pour les investisseurs : La thèse « AI remplace les emplois = pure expansion de la marge » est partiellement intégrée au marché à l'heure actuelle et je pense qu'elle est mal évaluée. Non pas parce que les économies ne sont pas réelles : elles le sont, dans le compte de résultat, à court terme. Mais parce que le contrepoids à l’effondrement de la demande est également réel, et qu’il n’est qu’à un ou deux cycles de bénéfices d’apparaître dans le chiffre d’affaires des mêmes entreprises qui sont actuellement célébrées pour leurs réductions. La hausse de 20 % de Block le jour du licenciement est une thèse exprimée. La thèse a un contre-argument, et le contre-argument est soutenu par un document de recherche. Je serais mal à l'aise de détenir une position longue basée uniquement sur l'expansion de la marge induite par AI au niveau de la couche de l'économie orientée vers les consommateurs sans une couverture explicite contre l'érosion de la demande dans le même secteur.

Pour les opérateurs solo et les petites équipes : C'est en fait là que l'image est la plus intéressante. Le piège de licenciement AI est un problème de concurrence entre entreprises sur le même marché de produits. C'est un problème de coordination à grande échelle. Si vous êtes un opérateur solo dirigeant une première entreprise AI ou une équipe de trois agents qui opèrent sans personnel humain, vous ne contribuez pas à des dommages significatifs à la demande à l'économie dans son ensemble, car vous n'aviez pas de masse salariale significative en premier lieu. Le piège est destiné aux opérateurs historiques qui tentent d'optimiser leurs organigrammes existants de 10 000 personnes. L’opportunité est pour les nouveaux entrants de construire des structures qui n’ont jamais eu l’effectif nécessaire pour licencier.

Pour les observateurs politiques : La conversation Pigouvian va devenir bruyante en 2026. La Corée a déjà lancé un concept de « taxe sur les robots ». L'UE a jeté les bases de la protection du travail liée à AI par le biais de la loi AI et des instruments adjacents. Il est peu probable que les États-Unis agissent en premier, mais la pression va monter. Surveillez la première juridiction à mettre en œuvre une taxe liée aux licenciements, car cela deviendra le cas de référence pour tous les autres.

Pour tout le monde, moi y compris : Ne confondez pas l'histoire par produit avec l'histoire par économie. Chaque outil AI que je livre améliore la vie de certains utilisateurs au niveau de l'utilisateur. C'est vrai et je ne vais pas m'en excuser. Mais la conséquence globale du fait que nous expédions tous ces outils, déployés simultanément pour remplacer le travail dans un marché structuré de la même manière que le nôtre, n’a pas la même forme que l’histoire par produit. Deux vérités peuvent coexister. Tenir les deux est difficile. Refuser de détenir l’un ou l’autre est une paresse intellectuelle.

Les questions ouvertes qui décideront de la décennie

Je voudrais terminer avec des choses que même Falk et Tsoukalas ne prétendent pas encore savoir. Parce que la force de l'article est aussi sa limite : il s'agit d'un morceau pur de théorie de l'équilibre, mais plusieurs des variables porteuses sont empiriques, et le travail empirique fait encore largement défaut.

Vitesse de réabsorption. L'économie peut-elle créer de nouvelles tâches pour les travailleurs déplacés assez rapidement pour maintenir la demande pendant la transition ? Les vagues passées disaient « finalement oui, douloureusement lentement ». La vitesse de cette vague pourrait ne pas permettre au tuyau de réabsorption historique de suivre le rythme. Nous ne le savons pas encore. Les 8 à 12 prochains trimestres de données sur le chômage, en particulier dans les secteurs à forte intensité de travail cognitif, constitueront le premier véritable point de données.

La porte d'entrée. La conclusion de Anthropic selon laquelle l'embauche de jeunes de 22 à 25 ans dans des postes exposés à AI est en baisse de 14 % est, si elle se maintient, le canari. Les transitions passées vers l’automatisation ont été douloureuses pour les opérateurs en place, mais généralement bienveillantes envers la prochaine génération, qui pourrait se lancer dans les nouvelles tâches créées par la technologie. Si cette transition ferme les portes d’entrée plus rapidement qu’elle n’en ouvre de nouvelles, la structure démographique du piège semble différente de tout ce que nous avons vu jusqu’à présent.

Étendue du secteur. L'automatisation antérieure frappait des secteurs spécifiques (textile, industrie manufacturière, back-office bancaire). AI concerne le travail cognitif en général : logiciels, support client, finance, marketing, juridique, conception. L’ampleur de l’impact signifie qu’il existe moins de « refuges » où les travailleurs déplacés peuvent fuir. Cela modifie les calculs de réabsorption d’une manière que les archives historiques ne renseignent pas directement.

Politique de volonté ou d'absence. La taxe Pigouvian est la réponse mathématique. La question de savoir si un gouvernement le mettra en œuvre, sous quelque forme que ce soit, avant que la falaise de la demande ne se matérialise est une question politique et non économique. Ma lecture honnête : le retard politique se mesurera en années. La dynamique du marché se mesure en trimestres. Les deux horloges ne sont pas synchronisées.

Le caractère générique de l'économie d'agent. C'est celui auquel je pense le plus en tant que constructeur. Le modèle du document suppose que les travailleurs licenciés quittent l'équation offre-demande en tant que travailleurs, mais n'y réintègrent pas substantiellement comme autre chose. Mais en 2026, la feuille de route sur les capacités des agents et le remaniement plus large de AI suggèrent un avenir dans lequel les travailleurs déplacés pourraient réintégrer l'économie en tant que prestataires de services individuels augmentés de AI, opérateurs d'agents en tant que service ou opérateurs indépendants dirigeant leurs propres petites entreprises AI.

Si ce pipeline de réintégration évolue rapidement – ​​ce qui signifie que la même personne qui a été licenciée de Block en février génère 80 000 $ de revenus indépendants avec [les outils AI remodelant le travail] (/ai-tools-agents-reshaping-work) d'ici la fin de 2027 – les dommages causés à la demande pourraient s'auto-réparer partiellement d'une manière que le modèle d'économie fermée ne prend pas en compte. Je ne suis pas sûr que cela se produise. Je ne suis pas sûr que ce ne soit pas le cas. Les deux prochaines années nous le diront.

Ce que je regarde en 2026

Signaux spécifiques que je suis :

• Plus de mouvements à l'échelle des blocs. Les cycles de bénéfices des troisième et quatrième trimestres entraîneront-ils des réductions d'effectifs de plus de 30 % dans les sociétés Fortune 500 ? Dorsey a prédit oui dans les 12 mois. Nous en sommes à trois mois. Surveillez les noms. - Mises à jour de l'indice économique Anthropic. Le prochain rapport trimestriel nous dira si le ralentissement des embauches d'entrée de gamme s'accentue ou se stabilise. C'est l'indicateur avancé. - Layoffs.fyi Part d'attribution AI. Le pourcentage de réductions explicitement attribuées à AI a à peu près doublé d'une année sur l'autre. S'il double encore, nous sommes dans un régime différent. - La première juridiction à adopter une taxe de licenciement Pigouvian. Ce ne sera pas la première aux États-Unis. Regardez la Corée, regardez l'Allemagne, regardez les règlements de mise en œuvre de la loi AI de l'UE. Le cas de référence est important.

• Revenus de l'entreprise par rapport aux économies AI promises par le directeur financier. Il s'agit de données sur lesquelles personne n'a encore de chiffres précis. Dans 12 à 18 mois, nous serons en mesure de comparer la trajectoire des revenus de Block à celle qu'elle aurait eue si la main-d'œuvre avait été préservée. Ce contrefactuel est difficile mais pas impossible à estimer. La première tentative crédible définira la conversation.

Le journal a raison de dire que les mathématiques disent ce qu'elles disent. Personne ne sait encore si le monde pourra faire quelque chose avant que la falaise de la demande n’arrive. C'est la partie qui est décidée par ce qui se passe ensuite.

Dorsey's Block est le premier grand cas de test public. Le PDG a misé son entreprise sur la réussite des mathématiques. Le journal parie que les calculs sont incomplets. D’ici 18 mois, l’un des deux paris paraîtra évident avec le recul.

Je ne sais pas encore lequel. Mais pour la première fois en deux ans de développement à plein temps des produits AI, je passe une partie de chaque semaine à penser à autre chose qu'au prochain produit que je souhaite expédier. Je réfléchis à la forme de l’économie dans laquelle j’expédie. Je vous recommande de faire de même.

Les mathématiques ont finalement fait la une des journaux. Ne détournez pas le regard.

Questions fréquemment posées

Qu'est-ce que le piège de licenciement AI ?

Le AI Layoff Trap est un article de 2026 rédigé par Brett Hemenway Falk (UPenn) et Gerry Tsoukalas (BU) qui prouve que les licenciements provoqués par AI constituent un dilemme de prisonnier : chaque entreprise profite du licenciement de ses employés, mais lorsque toutes les entreprises le font simultanément, la demande collective des consommateurs s'effondre et tout le monde - travailleurs et propriétaires d'entreprise - finit par se retrouver dans une situation pire. L'argument complet est détaillé dans Les mathématiques, faites du béton ci-dessus.

Pourquoi une taxe Pigouvian est-elle la seule solution qui fonctionne ?

Une taxe Pigouvian oblige les entreprises à payer pour les dommages causés à la demande que leurs licenciements infligent au reste de l’économie, internalisant l’externalité et modifiant le calcul coûts-avantages au niveau de l’entreprise. Le document prouve formellement que le revenu de base universel, l’impôt sur les bénéfices, l’équité entre travailleurs, les pactes volontaires et la reconversion professionnelle ne peuvent à eux seuls résoudre le piège, car aucun d’entre eux ne modifie l’incitation relative à la défection. Seule la taxe Pigouvian le fait.

Block a-t-il vraiment licencié 4 000 personnes à cause de AI ?

Oui. Le 26 février 2026, le PDG de Block, Jack Dorsey, a annoncé le licenciement d'environ 4 000 employés, soit environ 40 % de la main-d'œuvre, et a explicitement cité les « outils de renseignement » (AI) comme moteur dans sa lettre aux actionnaires. Dorsey a prédit que « la majorité des entreprises parviendront à la même conclusion » d’ici un an.

Quel est l'effet Reine Rouge dans les licenciements de AI ?

L'effet Red Queen, dans ce contexte, est la découverte qu'un meilleur AI rend le piège des licenciements pire, pas meilleur. À mesure que la capacité de AI augmente, les économies par travailleur augmentent, mais les dommages causés à la demande restent à peu près proportionnels, de sorte que l'écart entre le gain privé et le coût social se creuse. Les entreprises doivent s’automatiser plus rapidement simplement pour maintenir la parité concurrentielle, sans obtenir d’avantage relatif. La discussion complète se trouve dans The Red Queen Effect ci-dessus.

Combien de travailleurs technologiques ont été licenciés à cause de AI en 2025 ?

Les estimations vont d'environ 55 000 (selon Challenger, Gray & Christmas, qui suit la citation explicite de AI dans les raisons de licenciement indiquées) à plus de 100 000 (selon Programs.com, qui inclut les licenciements dans les entreprises investissant massivement dans AI, même lorsqu'elles ne sont pas explicitement citées). Layoffs.fyi a suivi environ 157 000 licenciements technologiques au total en 2025. La part attribuable à AI a à peu près doublé d'une année sur l'autre jusqu'au premier trimestre 2026.

Travaillons ensemble

Vous cherchez à créer des systèmes AI, à automatiser les flux de travail ou à faire évoluer votre infrastructure technologique ? J'aimerais aider.

• Fiverr (versions et intégrations personnalisées) : fiverr.com/s/EgxYmWD
• Portefeuille : mejba.me
• Ramlit Limited (solutions d'entreprise) : ramlit.com
• ColorPark (conception et image de marque) : colorpark.io
• xCyberSecurity (services de sécurité) : xcybersecurity.io