Barclays et l’IA : ce que les chiffres ne prouvent pas

Une banque peut annoncer des milliers de suppressions de postes et attribuer à l’intelligence artificielle un gain d’efficacité. Cela ne démontre pas pour autant qu’une machine a repris le travail de milliers de personnes.

La distinction est devenue pressante le 22 octobre 2026, lorsque Barclays a annoncé son intention de réduire ses effectifs d’environ 5 000 postes en 2026, tout en publiant des bénéfices trimestriels en hausse.¹² Les suppressions sont réelles. L’investissement de la banque dans l’IA l’est aussi. Ce que les informations publiques permettent moins bien d’établir, c’est combien de ces postes auraient survécu sans l’IA, quelles activités les logiciels remplacent réellement, et si les salariés auraient pu être reconvertis ou réaffectés.

Ces questions dépassent largement le secteur bancaire, en particulier pour les petits employeurs qui lancent leurs premiers vrais projets d’automatisation. Elles prolongent un constat déjà abordé : les tâches changent à l’intérieur des métiers plus vite que ne le suggèrent les titres sur les effectifs, et la demande de recrutement exposée à l’IA évolue sans qu’il existe un récit mondial unique.

Une annonce concrète, avec un chiffre manquant important

Barclays a indiqué le 22 octobre que son bénéfice avant impôt du troisième trimestre avait augmenté de 12 % sur un an, à 2,3 milliards de livres sterling. Ses résultats présentent les réductions d’effectifs en équivalents temps plein, rendues possibles par la technologie, comme un volet d’un programme structurel de réduction des coûts. La banque a comptabilisé 201 millions de livres de charges de restructuration au cours du trimestre et en attendait environ 300 millions de plus au quatrième. Elle a aussi annoncé un nouveau rachat d’actions pouvant atteindre 500 millions de livres.¹

Selon Reuters, la directrice financière Anna Cross a chiffré la réduction d’effectifs prévue à environ 5 000 postes, soit à peu près 5 % du personnel. Environ 1 000 étaient déjà partis et quelque 4 000 autres étaient attendus d’ici la fin de l’année. D’après les comptes rendus de la présentation des résultats, environ 60 % des suppressions concernent des fonctions support, notamment des développeurs.² Il s’agit de réductions prévues et en partie réalisées, pas d’un décompte vérifié de 5 000 personnes déjà licenciées.

La présentation a rattaché la simplification de l’organisation et les changements technologiques à des gains d’efficacité portés par l’IA. Cela établit ce que la direction affirme du programme. Cela n’isole pas la part de l’IA générative par rapport à l’automatisation classique, à la refonte des processus, à l’externalisation, aux objectifs de coûts ou à la décision de ne plus remplacer les départs. Aucun scénario contrefactuel vérifié publiquement ne dit combien de postes auraient disparu sans les nouveaux systèmes.

Ce n’est pas une raison d’écarter l’annonce. C’est une raison de la lire avec précision. Les investisseurs peuvent légitimement s’intéresser au fait que la technologie permette de réduire la base de coûts. Les salariés et les pouvoirs publics, eux, attendent une explication plus exigeante de ce qui a changé dans le travail lui-même.

Ce que Barclays a réellement mis en production

On observe des déploiements concrets, pas seulement un slogan sur l’IA. Le 1er octobre 2026, Anthropic et Barclays ont annoncé un élargissement de leur collaboration. La banque comptait équiper la moitié de ses développeurs de Claude Code d’ici la fin de 2026, avec une adoption par une majorité des ingénieurs logiciels en 2027.³ Ce sont des objectifs de déploiement, pas la preuve que le nombre de développeurs peut baisser dans la même proportion.

La même annonce décrivait un assistant de connaissances déjà utilisé par plus de 16 000 collaborateurs de Barclays, à l’origine de plus d’un million de recherches. Dans les opérations de marchés mondiaux, des systèmes fondés sur Claude traitaient environ 120 000 e-mails entrants par jour pour classer, enrichir et acheminer les demandes.³ Ces chiffres d’usage sont déclarés par le fournisseur et le client, et non mesurés de façon indépendante : ils ne disent ni combien d’heures ont été économisées ni combien d’emplois ont été supprimés.

Ces exemples sont instructifs parce qu’ils portent sur des activités précises. Trouver des réponses internes, trier des e-mails, moderniser du code et tester des logiciels ne sont pas des métiers entiers. Ce sont des parties de métiers. Lorsque ces tâches coûtent moins cher, les managers peuvent employer la capacité libérée de plusieurs façons : améliorer le service, absorber plus de demande, raccourcir les délais, réaffecter des salariés, ralentir les recrutements ou supprimer des postes. La technologie ne décide pas quelle option l’organisation retient.

Un conseiller qui n’a plus à fouiller plusieurs bases de données pour une réponse courante peut consacrer plus de temps aux problèmes clients inhabituels. Ou bien on réduit l’équipe, et les personnes restantes traitent le même volume. Les deux scénarios sont compatibles avec un déploiement d’IA réussi. Un seul apparaît directement dans une baisse d’effectifs. C’est la même distinction que lorsque nous nous demandions quelles tâches les agents IA transforment en premier.

Les données sur l’emploi ne vont pas toutes dans le même sens

Une vue plus large du marché du travail complique l’idée selon laquelle adopter l’IA signifie forcément des entreprises plus petites. L’AI Labor Market Tracker de Revelio Labs, mis à jour le 22 octobre 2026, indique que les entreprises qu’il classe comme adoptantes de l’IA ont accru leurs effectifs de 27 % de plus que les non-adoptantes depuis octobre 2022. Chez ces adoptantes, les postes seniors ont progressé de 31 %, contre 6 % pour les postes juniors. Le même tracker constate que l’emploi dans les métiers les plus exposés à l’IA croît environ 4 % de moins que dans les métiers les moins exposés.⁴

Ce sont des comparaisons d’observation, pas des estimations causales des emplois créés ou détruits par l’IA. Revelio repère l’adoption en partie grâce aux recrutements de profils d’intégration de l’IA, et note que les adoptantes croissaient déjà plus vite avant l’adoption. Une entreprise en forte croissance peut à la fois investir dans l’IA et embaucher davantage pour des raisons étrangères à la technologie. Ces chiffres montrent néanmoins pourquoi l’annonce de licenciements d’une seule entreprise ne peut pas valoir pour toute l’économie.

Une étude de S&P Global de 2026 suggère aussi que la taille de l’entreprise change le récit sur l’emploi. Ce rapport fondé sur une enquête constate que les petites entreprises s’attendaient à un effet net légèrement positif de l’investissement en IA sur l’emploi, alors que l’attente nette globale était légèrement négative. Il indique que seulement 37 % des initiatives d’IA interrogées étaient en service et créaient de la valeur, et que la sécurité des données, la qualité des résultats et la qualité des données restaient des freins importants.⁵ Ce sont des résultats d’enquête et des prévisions, pas la preuve de créations d’emplois à venir.

Pour une petite organisation, un processus automatisé peut libérer quelques heures par semaine sans supprimer un poste. Une équipe administrative de deux personnes dans une association peut réorienter ce temps vers les bénéficiaires ou la collecte de fonds. Une grande banque, qui agrège de petits gains de temps sur des milliers de personnes, peut prendre une décision d’effectifs très différente. La technologie sous-jacente peut être la même alors que le résultat pour l’emploi diverge.

La vraie question : qui reçoit le dividende de productivité ?

Le désaccord politique autour de l’annonce de Barclays ne porte pas simplement sur la question de savoir si l’IA fonctionne. Selon le Guardian le 22 octobre, la secrétaire générale du syndicat Unite, Sharon Graham, a reproché à la banque de faire de l’IA une justification des suppressions de postes plutôt que de donner la priorité à la reconversion.⁶ La direction, elle, décrit un programme pluriannuel d’investissement et de simplification destiné à améliorer l’efficacité et à dégager des marges pour investir davantage.

Ces positions traduisent des choix concurrents sur la répartition des gains de productivité. Une entreprise peut réinvestir les économies dans des prix plus bas, un meilleur service, une production accrue, la formation ou une meilleure rémunération des actionnaires. Elle peut aussi réduire la masse salariale. L’existence d’un système d’IA efficace ne tranche pas la question de la répartition, et un trimestre rentable n’établit pas à lui seul que chaque poste existant est économiquement viable.

Il existe une seconde préoccupation : l’échelle d’apprentissage. Les fonctions support et le développement logiciel ont traditionnellement offert un travail grâce auquel les salariés moins expérimentés apprennent l’organisation, ses systèmes et ses clients. Si les tâches routinières disparaissent, les employeurs doivent décider comment les futurs experts acquerront leur expérience. C’est un risque plausible, pas la preuve que Barclays a déjà démantelé ses parcours de formation.

L’alternative est une refonte délibérée. Un analyste junior pourrait superviser un flux de travail limité assisté par l’IA, examiner les exceptions, comparer les résultats avec les données sources et comprendre pourquoi des décisions échouent. Ce travail peut être plus riche que de la copie répétitive, mais seulement si la supervision et la progression sont planifiées. Supprimer les tâches routinières sans reconstruire le chemin vers l’expertise est une stratégie de ressources humaines, pas une fatalité technique.

Un meilleur test pour les dirigeants que le décompte des économies attribuées à l’IA

Lorsqu’une entreprise annonce des gains d’efficacité grâce à l’IA, les dirigeants doivent demander ce qui a réellement été mesuré. Une tâche a-t-elle été supprimée, raccourcie ou transférée à un autre salarié ? La précision, la satisfaction client et les résultats en matière de risque se sont-ils améliorés ? Quelle part de contrôle humain est restée nécessaire ? Les postes ont-ils été supprimés par des licenciements, des départs non remplacés ou des recrutements annulés ? Quels autres usages de la capacité libérée ont été envisagés ?

Prenons l’exemple hypothétique d’une entreprise de services de 40 personnes. Elle met en place un agent qui rédige des réponses et récupère les dossiers clients. Le temps moyen de traitement diminue, mais les réclamations complexes exigent toujours du personnel expérimenté et des contrôles de qualité. Parler d’un gain de productivité de 20 % ne suffit pas à justifier la suppression de huit postes. L’entreprise devrait établir la part du travail concernée, les économies réelles et durables, le coût de la supervision, la demande de service et la capacité nécessaire pour les exceptions. L’exemple est illustratif, pas un cas mesuré.

Pour une association, la même rigueur compte même si personne n’est menacé de licenciement. Les heures gagnées sur le reporting pourraient être réaffectées à la mise en œuvre des programmes, mais seulement si l’organisation suit la qualité des rapports et la charge de leur vérification. Dans les deux cas, mesurer le travail au niveau des tâches conduit à de meilleures décisions que d’apposer une étiquette IA sur une ligne budgétaire.

Barclays est un cas important parce qu’il associe une réduction d’effectifs d’envergure à des déploiements d’IA documentés et concrets. Ce n’est pas encore la preuve que l’IA a, à elle seule, remplacé 5 000 salariés. La prochaine étape du débat devrait exiger davantage que des affirmations assurées sur l’automatisation ou un scepticisme réflexe. Elle devrait demander aux entreprises de montrer quel travail a changé, quelles personnes sont concernées et quels choix elles ont faits du temps et de l’argent économisés.

L’IA peut expliquer de façon puissante comment une organisation peut fonctionner autrement. Elle ne doit jamais remplacer l’explication des raisons pour lesquelles cette organisation a choisi d’employer moins de personnes.

Comment hilighter peut vous aider

Quand un gain d’efficacité lié à l’IA arrive sous la forme d’un objectif d’effectifs, la couche qui manque est souvent une vision claire des rôles, des tâches et des compétences. hilighter vous aide à cartographier les compétences par rôle et par équipe, à voir les points forts et les lacunes avec Compétences et talents, et à explorer une vision indicative de l’impact potentiel de l’IA sur les métiers. Une offre gratuite couvre jusqu’à trois rôles, avec un nombre illimité de salariés.

Sources

1. Barclays PLC, Q3 2026 results announcement, 22 octobre 2026 (communiqué de la société reproduit par Investegate).
2. Reuters, Barclays to cut 5,000 jobs this year, 22 octobre 2026.
3. Anthropic et Barclays, Barclays scales Claude to upgrade operations and improve client experience, 1er octobre 2026.
4. Revelio Labs, Introducing the Revelio AI Labor Market Tracker, publié le 28 juillet 2026, mis à jour le 22 octobre 2026.
5. S&P Global, The AI and labor landscape 2026, 2026.
6. The Guardian, Barclays to cut 5,000 jobs as bank bosses hail AI productivity advances, 22 octobre 2026.

Dernière vérification des sources : 24 octobre 2026. Plusieurs chiffres proviennent de rapports d’entreprises, de fournisseurs ou d’enquêtes, et non d’estimations causales auditées du nombre d’emplois remplacés par l’IA.