Meta a licencié 3 600 personnes. L'algorithme a fait la liste.

Quand une machine décide qui garde son emploi

En février 2025, Meta annonce une vague de licenciements massifs : 3 600 postes supprimés, soit environ 5 % de ses effectifs mondiaux. Ce qui aurait pu passer pour une restructuration classique cache quelque chose de plus troublant. Selon plusieurs témoignages d'employés et des fuites internes relayées par la presse américaine, une partie de la sélection des personnes licenciées aurait été pilotée — ou du moins fortement orientée — par des systèmes d'évaluation algorithmiques. Non pas un DRH qui lit des dossiers. Un modèle qui attribue des scores.

Ce n'est pas de la science-fiction. C'est la gestion des ressources humaines en 2025.

Le contexte : Meta et la culture de la "performance radicale"

Mark Zuckerberg avait prévenu dès janvier 2025, dans un mémo interne devenu public : Meta entrait dans une "année d'intensité". L'objectif affiché était d'éliminer les profils jugés peu performants pour ne conserver que ce qu'il appelait les "meilleurs talents". Le vocabulaire était celui d'une start-up en hypercroissance, pas d'une entreprise de 70 000 salariés.

Derrière ce discours, une infrastructure bien réelle : des systèmes de suivi de performance internes, des outils de mesure de productivité, des évaluations par les pairs agrégées en scores numériques. Ces données, croisées et pondérées, auraient alimenté des décisions que les managers n'avaient, selon certains témoignages, qu'à valider — non pas à initier.

Comment fonctionne un "licenciement algorithmique" ?

Le terme peut sembler technique, mais le principe est simple. Voici ce que font ces systèmes, concrètement :

• Ils agrègent des données de performance : tickets résolus, lignes de code produites, taux de complétion des objectifs trimestriels (OKR), feedbacks de collègues.
• Ils génèrent un score : chaque employé reçoit une note composite, souvent sans en connaître exactement les paramètres.
• Ils classent et segmentent : les profils tombant sous un certain seuil remontent automatiquement comme "à risque" ou "en sous-performance".
• Les managers valident (ou pas) : dans certains cas, le manager humain n'est là que pour apposer une signature sur une décision déjà prise par la machine.

Le problème central ? Ces systèmes ne voient pas ce qu'ils ne peuvent pas mesurer. Un employé qui forme ses collègues, qui désamorce des conflits d'équipe, qui documente méticuleusement le travail des autres — tout cela n'entre dans aucune métrique.

Des exemples qui dépassent Meta

Meta n'est pas un cas isolé. Amazon surveille depuis des années la productivité de ses agents logistiques via des algorithmes capables de déclencher des procédures disciplinaires automatiquement, sans intervention humaine directe. IBM a utilisé des outils d'analyse prédictive pour anticiper les départs volontaires — et certains dénoncent une utilisation détournée pour cibler des profils avant qu'ils ne partent d'eux-mêmes.

En Europe, Uber et Deliveroo ont été condamnés dans plusieurs pays pour avoir géré leurs livreurs via des systèmes algorithmiques opaques, sans possibilité de recours. La Cour de justice de l'Union européenne a dû intervenir pour rappeler que les travailleurs ont le droit de comprendre les décisions automatisées qui les affectent.

Le vide juridique qui inquiète

En France, le RGPD prévoit un droit à ne pas faire l'objet d'une décision entièrement automatisée ayant des effets significatifs. Mais la frontière entre "entièrement automatisée" et "fortement influencée par un algorithme que le manager ne questionne jamais" est floue — et les entreprises le savent.

Aux États-Unis, ce vide est encore plus béant. Aucune loi fédérale ne régule spécifiquement l'usage de l'IA dans les décisions RH. Les employés licenciés par Meta n'ont aucun moyen légal de savoir si un modèle a contribué à leur mise à l'écart, ni de contester cette décision sur cette base.

Ce n'est pas un détail. C'est une faille systémique.

Pourquoi c'est dangereux — même pour les entreprises

Au-delà de l'éthique, il y a un argument purement business. Les algorithmes optimisent ce qu'on leur demande d'optimiser. Si on leur demande de maximiser la "productivité mesurable à court terme", ils vont éliminer exactement les profils dont une organisation a le plus besoin sur le long terme : les mentors, les innovateurs lents, les personnes qui construisent la culture.

Amazon a reconnu en interne que son système de licenciements automatiques avait poussé dehors des employés compétents victimes de biais dans les données d'entrée. Meta pourrait faire face aux mêmes dommages collatéraux, silencieux mais durables.

Ce que cela devrait changer

La question n'est pas de savoir si l'IA doit jouer un rôle dans les RH — elle en joue déjà un, partout. La question est de savoir qui est responsable quand elle se trompe. Quelques pistes qui émergent des discussions en cours :

• Rendre obligatoire l'audit des algorithmes RH par des tiers indépendants.
• Garantir à chaque employé le droit de comprendre les critères qui influencent son évaluation.
• Imposer qu'une décision humaine documentée soit systématiquement requise pour tout licenciement, sans possibilité de délégation totale à un système automatisé.
• Former les managers à questionner les sorties algorithmiques, pas seulement à les valider.

Conclusion : l'IA n'est pas le problème. L'absence de garde-fous l'est.

Les outils d'analyse de performance peuvent être utiles, équitables, même bénéfiques — s'ils sont conçus avec des garde-fous solides, de la transparence et une responsabilité humaine réelle à chaque étape. Ce que fait Meta, et ce que font beaucoup d'autres entreprises en silence, c'est utiliser l'algorithme comme bouclier contre la responsabilité : si la machine a décidé, personne n'a à assumer.

C'est précisément là que la société doit fixer une limite. Pas contre l'IA. Contre l'impunité organisée.

— Reservoir Live