Il fut un temps où les banques licenciaient en invoquant la conjoncture, les taux, la morosité des marchés. Aujourd’hui, elles ont trouvé un mot neuf : l’intelligence artificielle. Barclays vient de rejoindre ce cortège grandissant d’établissements qui expliquent une fonte drastique de leurs effectifs par l’adoption massive de l’IA. Le discours est rodé, presque lissé. Et pourtant, il mérite qu’on s’y arrête une seconde, parce qu’il raconte bien plus qu’un simple plan social.
L’IA, nouvelle grille de lecture des plans sociaux
La banque britannique n’est pas un cas isolé. Un peu partout, les grands noms du secteur déroulent le même argumentaire : les gains de productivité permis par les outils d’automatisation et d’intelligence artificielle rendraient une partie des postes « redondants ». Traduction : moins de bras, plus d’algorithmes.
Ce qui frappe, c’est le glissement sémantique. Pendant des années, les suppressions d’emplois dans la finance étaient présentées comme douloureuses mais subies — fruit d’un cycle, d’une fusion, d’un retournement de marché. Désormais, elles sont revendiquées comme un choix stratégique, assumé, presque valorisant. L’IA n’est plus seulement un outil ; elle devient un récit. Un récit qui rassure les actionnaires, séduit les analystes et, accessoirement, permet de présenter une baisse de coûts sous un jour flatteur.
Faut-il pour autant tout prendre pour argent comptant ? Il convient de garder la tête froide. Invoquer l’IA, c’est aussi, pour une direction, offrir une explication élégante à des arbitrages qui auraient de toute façon eu lieu. La technologie sert parfois d’alibi commode à une politique de rigueur budgétaire. Les deux ne s’excluent pas — mais ils ne se confondent pas non plus.
Quels métiers dans la ligne de mire ?
Les fonctions les plus exposées ne sont pas celles que l’on imagine. On a longtemps pensé que l’automatisation frapperait d’abord les tâches manuelles ou les guichets. Dans la banque, c’est le milieu de la pyramide qui tremble : back-office, traitement de données, conformité, analyse documentaire, rédaction de rapports standardisés. Autant de postes qualifiés, bien rémunérés, longtemps considérés comme à l’abri.
Les modèles génératifs savent désormais résumer un dossier, produire une première version d’un rapport d’audit, trier des milliers de transactions suspectes ou répondre à des demandes clients répétitives. Ce qui prenait une matinée à un analyste junior se fait en quelques secondes. La promesse de productivité est réelle. La question, c’est de savoir combien d’emplois elle emporte avec elle.
Pour les jeunes diplômés qui entrent dans le secteur — en France, en Belgique, en Suisse comme au Maroc ou en Tunisie, où les banques internationales sous-traitent une partie croissante de leurs opérations — le signal est inquiétant. Les postes d’entrée, ceux par lesquels on apprend le métier, sont précisément ceux que l’IA grignote le plus vite. Si l’échelon du bas disparaît, comment forme-t-on la génération suivante de cadres ? Personne, pour l’instant, n’a vraiment de réponse.
Un pari sur la productivité qui reste à prouver
Reste une interrogation que peu de directions aiment aborder de front : et si les gains promis ne venaient pas aussi vite qu’annoncé ? L’histoire de la finance regorge de révolutions technologiques censées tout changer. L’informatisation des années 1980, l’essor du trading électronique, la vague fintech des années 2010 — chacune devait réduire drastiquement les effectifs. Les banques ont bel et bien changé de visage, mais elles emploient toujours des centaines de milliers de personnes.
L’IA pourrait suivre le même chemin. Supprimer des postes, certes, mais en créer d’autres : ingénieurs spécialisés, superviseurs d’algorithmes, experts en gestion des risques liés aux modèles, juristes de la donnée. Le solde net reste incertain. Et il faut le dire : annoncer des coupes aujourd’hui ne garantit pas que la productivité suivra demain. Déployer l’IA à grande échelle coûte cher, exige des données propres, une gouvernance solide et des équipes capables de l’encadrer. Entre le communiqué triomphant et la réalité opérationnelle, il y a souvent un gouffre.
Il y a aussi un angle que les investisseurs commencent tout juste à intégrer : le risque. Une banque qui confie à des modèles le soin de détecter la fraude ou d’évaluer un crédit s’expose à des erreurs d’un genre nouveau. Un biais dans l’algorithme, une décision automatisée mal calibrée, et c’est la conformité réglementaire — déjà pesante dans le secteur — qui se complique. Les régulateurs européens, de leur côté, ne laisseront pas les établissements déléguer aveuglément des décisions sensibles à des boîtes noires.
Ce que ça change, concrètement
Pour le client, l’effet immédiat est ambivalent. D’un côté, des services plus rapides, une disponibilité accrue, des réponses instantanées. De l’autre, le risque d’un éloignement : moins de conseillers humains, davantage de parcours automatisés, et cette sensation familière de parler à une machine quand on aurait voulu une personne. Dans un secteur où la confiance reste le capital le plus précieux, ce n’est pas anodin.
Pour le secteur dans son ensemble, le mouvement enclenché par Barclays ressemble à un point de bascule. Quand une grande banque assume publiquement de licencier au nom de l’IA, elle ouvre la voie aux autres. Le phénomène se normalise, et chaque concurrent se sent légitimé à faire de même sous peine de paraître en retard. C’est ainsi que les tendances deviennent des règles tacites.
Une chose est sûre : derrière le vocabulaire futuriste, il y a des carrières, des équipes, des villes où ces emplois comptent. L’intelligence artificielle transforme la banque pour de bon. La seule question qui vaille, désormais, c’est de savoir qui paiera le prix de cette transformation — et qui en récoltera les fruits.
