Sommaire
Meta est accusé d’avoir utilisé l’intelligence artificielle pour dresser une liste de salariés à licencier, selon une information rapportée par Le Figaro. Le dossier place la gestion algorithmique des ressources humaines au centre d’un débat sensible, à un moment où les grands groupes technologiques multiplient les outils d’aide à la décision interne. La question ne porte pas seulement sur la performance d’un logiciel, mais sur la capacité d’une entreprise à expliquer, documenter et contester une décision qui affecte directement l’emploi.
Meta visé par des accusations sur ses licenciements
L’accusation visant Meta porte sur un point précis : l’usage supposé de l’intelligence artificielle pour établir une sélection de salariés concernés par des suppressions de postes. Une telle pratique, si elle était confirmée dans ses modalités les plus sensibles, dépasserait le cadre habituel des outils de gestion utilisés par les services de ressources humaines. Elle ferait entrer une décision sociale majeure dans le champ du classement automatisé.
Dans une entreprise de cette taille, les systèmes internes agrègent déjà de nombreuses données : évaluations de performance, parcours professionnel, rattachement hiérarchique, ancienneté, compétences déclarées, projets suivis ou mobilités internes. Le recours à une IA peut prendre plusieurs formes, du simple tri statistique à une recommandation plus structurée. La différence devient décisive lorsque la machine ne se limite plus à organiser l’information, mais influence l’identité des personnes retenues.
Le sujet reste particulièrement sensible car un licenciement suppose des critères compréhensibles et vérifiables. Un responsable humain peut être interrogé sur son raisonnement, ses priorités et ses arbitrages. Un modèle algorithmique, lui, peut produire un score sans fournir d’explication accessible. Pour les salariés, cette opacité crée un sentiment d’asymétrie face à un employeur capable de traiter massivement des données internes.
Les grands groupes technologiques défendent souvent l’automatisation comme un moyen de réduire les erreurs et d’harmoniser les procédures. Mais dans le domaine social, la standardisation peut aussi masquer des biais. Un critère apparemment neutre, comme la disponibilité, la mobilité ou la participation à certains projets, peut pénaliser certaines catégories de salariés. Le débat autour de licenciements assistés par logiciel porte donc sur la méthode autant que sur le résultat.
En l’absence d’éléments publics détaillés sur l’outil concerné, la prudence s’impose. Le dossier rapporté par Le Figaro ouvre néanmoins une séquence à fort enjeu pour Meta : expliquer la place exacte donnée à la technologie, préciser le rôle des managers et démontrer que les personnes concernées n’ont pas été réduites à une ligne dans un tableau prédictif.
Le RGPD encadre les décisions automatisées en entreprise
En Europe, l’utilisation d’outils automatisés dans le monde du travail est déjà encadrée par le RGPD. Le règlement protège les personnes contre certaines décisions fondées exclusivement sur un traitement automatisé lorsqu’elles produisent des effets juridiques ou des conséquences significatives. La perte d’un emploi entre clairement dans la catégorie des décisions les plus lourdes pour un salarié.
La difficulté tient souvent au mot exclusivement. Une entreprise peut soutenir qu’un responsable humain valide chaque décision. Mais cette intervention doit être réelle, documentée et capable de modifier la recommandation produite par le système. Si le manager se contente d’entériner une liste générée par un outil, le contrôle humain devient formel. Les autorités de protection des données examinent précisément cette frontière.
La CNIL, comme ses homologues européennes, insiste depuis plusieurs années sur la transparence, la minimisation des données et la proportionnalité des traitements. Dans un contexte de licenciement, ces principes prennent une portée concrète. L’employeur doit pouvoir expliquer quelles données ont été utilisées, pourquoi elles étaient nécessaires et comment les erreurs ont été évitées. Un modèle entraîné sur des historiques internes peut reproduire des décisions passées sans les corriger.
Le risque de discrimination constitue un autre point central. Des variables indirectes peuvent produire des effets différenciés selon l’âge, le sexe, l’état de santé, la parentalité ou l’origine sociale. Une absence prolongée, une moindre mobilité ou une interruption de carrière peuvent devenir des signaux défavorables si le modèle les interprète sans contexte. Le problème ne vient pas seulement d’une donnée sensible déclarée, mais de corrélations invisibles pour les personnes évaluées.
Le règlement européen sur l’intelligence artificielle renforce cette logique de contrôle pour les usages liés à l’emploi. Les systèmes destinés au recrutement, à l’évaluation ou à la gestion des salariés sont considérés comme à haut risque. En 2026, les entreprises doivent donc préparer des audits, des registres et des procédures de contestation plus robustes. Pour un groupe comme Meta, l’enjeu juridique se double d’un enjeu de réputation.
Chez Meta, l’efficacité interne devient un enjeu social
Le dossier intervient dans un environnement où Meta cherche à concilier investissements massifs et maîtrise de ses coûts. Le groupe finance des infrastructures d’intelligence artificielle, développe ses plateformes sociales et poursuit ses projets dans la réalité mixte. Cette pression économique alimente une culture de la mesure, particulièrement visible dans les grandes entreprises technologiques.
Les outils internes promettent aux directions une vision rapide des organisations : équipes redondantes, compétences rares, productivité par projet, coûts par activité. Dans une logique de pilotage, ces indicateurs peuvent aider à comprendre une structure complexe. Mais lorsqu’ils servent à préparer une réduction d’effectifs, leur usage devient socialement explosif. Une donnée produite pour suivre un projet peut se transformer en critère de maintien dans l’emploi.
La notion d’efficacité occupe une place centrale dans les discours des entreprises technologiques. Elle répond aux attentes des investisseurs, qui surveillent les marges, les dépenses de personnel et le rendement des nouvelles activités. Elle répond aussi à une réalité opérationnelle : les groupes mondiaux doivent arbitrer vite entre des équipes présentes dans plusieurs pays. L’intelligence artificielle apparaît alors comme un accélérateur de décision.
Mais l’entreprise ne peut pas traiter ses salariés comme une base de données sans coût humain. La confiance interne repose sur la prévisibilité des règles et sur la capacité à comprendre les décisions de management. Si les collaborateurs pensent qu’un outil opaque peut peser sur leur avenir, ils limitent leurs prises de risque, documentent davantage leurs actions et se concentrent sur les indicateurs visibles. Le travail réel peut s’appauvrir au profit de comportements défensifs.
Pour Silicon Valley, cette affaire potentielle dépasse le cas de Meta. Les groupes technologiques promeuvent l’IA auprès des entreprises clientes, y compris pour optimiser les fonctions support. Leur crédibilité dépendra aussi de leur manière d’appliquer ces outils à leurs propres salariés. Une automatisation mal expliquée dans les ressources humaines fragilise le discours public sur la fiabilité, l’éthique et la sécurité des systèmes.
Les salariés demandent des critères vérifiables à Meta
Face à une décision de licenciement, les salariés concernés peuvent demander des critères précis, des traces de validation et des explications individualisées. Si une liste a été produite ou hiérarchisée par un outil numérique, la question devient plus technique : qui a conçu le modèle, quelles données ont été retenues, quels responsables ont validé la sélection et quelles corrections humaines ont été apportées.
Dans les pays où existent des représentants du personnel, l’accès à l’information devient une étape clé. Les instances sociales peuvent demander les documents relatifs à la méthode, aux catégories d’emplois concernées et aux critères d’ordre. Dans un contexte international, l’exercice se complique car les règles varient fortement selon les juridictions. Une procédure acceptable aux États-Unis peut être jugée insuffisante dans un cadre européen.
Les avocats spécialisés en droit du travail regardent d’abord la traçabilité. Un employeur doit démontrer que la décision repose sur des éléments objectifs, actualisés et pertinents. Avec l’algorithme, cette démonstration exige davantage qu’une mention générale dans une note interne. Il faut pouvoir retracer les étapes, identifier les personnes ayant eu la main sur le processus et établir que la recommandation automatique n’a pas remplacé l’appréciation humaine.
Plusieurs garde-fous concrets peuvent limiter les risques : inventaire des outils utilisés, tests de biais avant déploiement, documentation des critères, droit de contestation, conservation des journaux de décision et audit indépendant. Ces mécanismes ne suppriment pas le conflit social, mais ils donnent aux salariés et aux juges des éléments vérifiables. Ils permettent aussi à l’employeur de distinguer l’aide à la décision de la décision automatisée.
Le dossier met en lumière une tension appelée à se multiplier dans les grandes entreprises : utiliser l’IA pour gérer des organisations complexes sans déléguer à la machine le pouvoir de décider du sort professionnel des individus. Pour Meta, la réponse attendue ne se limite pas à une justification technique. Elle devra porter sur la gouvernance, la responsabilité managériale et le respect du droit des salariés à comprendre les décisions qui les concernent.
- En 2026, une étude alerte sur les résumés par IA de Google, ce risque inattendu pour les adolescents inquiète les experts - juillet 15, 2026
- Meta accusé d’avoir utilisé l’IA pour dresser une liste de salariés à licencier, ce dossier sensible inquiète les RH - juillet 15, 2026
- 5 milliards d’euros, Irlande, IA et data centers, ce qu’Intel doit affronter pour sécuriser des infrastructures critiques en Europe - juillet 14, 2026
