IA et emploi : le cas Dhanushi révèle les tensions de l’automatisation bancaire

Le licenciement de Dhanushi Jayatileka ne résume pas, à lui seul, l’impact de l’intelligence artificielle sur le travail. Mais le calendrier donne à son histoire une force particulière : cette employée du service client de la Commonwealth Bank of Australia, ou CBA, a perdu son poste le jour même où l’établissement a dévoilé le recours à un chatbot d’intelligence artificielle destiné à remplacer une partie du travail humain.

Cette concomitance ne suffit pas à démontrer que le chatbot a directement causé la suppression de son emploi. Elle met toutefois en lumière une inquiétude désormais très présente dans les bureaux, les centres de relation client et les métiers administratifs : lorsque l’entreprise présente l’IA comme un outil de productivité, les salariés se demandent si cette productivité se traduira par une charge de travail allégée, de nouvelles compétences, ou par des effectifs moins nombreux.

En Australie comme dans d’autres économies numérisées, la question dépasse largement le cas d’une banque. Les transformations engagées dans la finance et la technologie modifient l’organisation des tâches, en particulier celles qui sont répétitives, textuelles ou fondées sur le traitement de demandes standardisées. Pour les personnes concernées, l’enjeu n’est donc pas seulement technique. Il touche à la stabilité de l’emploi, aux possibilités de reconversion et au partage des gains de productivité.

Le cas de Dhanushi Jayatileka chez CBA

Dhanushi Jayatileka travaillait auparavant dans les services à la clientèle de la Commonwealth Bank of Australia. Son récit illustre une situation vécue par de nombreux employés confrontés à l’automatisation : les outils numériques ne surgissent pas dans le vide, ils arrivent dans des organisations déjà soumises à des objectifs de réduction des coûts, de rapidité de réponse et de productivité.

Selon elle, les équipes connaissaient une baisse continue de leurs effectifs depuis 2024. Des tâches auparavant prises en charge par ses collègues étaient progressivement confiées à des machines. Dans cette configuration, l’IA n’est pas nécessairement un substitut complet à un métier. Elle peut prendre en charge une partie précise de l’activité, par exemple répondre aux questions récurrentes, classer une demande ou orienter un client vers le bon interlocuteur. Mais si ces tâches représentaient une part substantielle du poste, l’organisation peut ensuite estimer qu’elle a besoin de moins de personnes.

La formule attribuée à Dhanushi résume ce paradoxe : « Nous enseignons à la machine à finalement prendre notre emploi. » Elle renvoie au travail souvent invisible réalisé par les salariés lors du déploiement d’un système automatisé. Les équipes peuvent être sollicitées pour fournir des exemples de réponses, corriger les erreurs du chatbot, préciser les procédures internes ou documenter les cas complexes. Ce savoir professionnel aide l’outil à fonctionner, sans garantir aux personnes qui l’ont transmis une place dans l’organisation qui en résultera.

Pourquoi les services clients sont-ils particulièrement concernés ?

Les outils conversationnels sont particulièrement adaptés aux échanges qui suivent des scénarios fréquents. Dans une banque, cela peut inclure les demandes d’information générale, le suivi d’une opération, l’explication d’une procédure ou l’orientation vers un service. Un chatbot peut répondre à toute heure et traiter un grand nombre de requêtes simultanément. Ces capacités expliquent l’intérêt des entreprises pour ces systèmes.

Il faut cependant distinguer une promesse technologique de la réalité d’un service client. Les demandes financières peuvent être sensibles, urgentes ou difficiles à formuler. Elles peuvent aussi nécessiter de l’empathie, une vérification d’identité, une appréciation humaine ou l’intervention d’un spécialiste. Un chatbot peut fluidifier une première étape, mais il ne règle pas mécaniquement tous les cas et ses réponses doivent être intégrées à des règles de contrôle adaptées.

Pour les salariés, la difficulté vient du fait que l’automatisation des demandes les plus simples réduit souvent le volume de travail qui justifiait les postes les plus accessibles. Or ces postes constituent traditionnellement une porte d’entrée dans l’entreprise. C’est là que l’on apprend les produits, les procédures, la relation avec les clients et les mécanismes internes avant d’évoluer vers des fonctions plus spécialisées.

Manju Ahuja, professeur de systèmes d’information à l’Université de New South Wales, observe un lien entre l’automatisation et les réductions d’effectifs. Les rôles de vente, de service client et certains emplois d’entrée de gamme sont particulièrement exposés à cette dynamique. Cela ne signifie pas qu’un logiciel détermine à lui seul une décision de licenciement : la conjoncture économique, les choix de gestion et la stratégie commerciale comptent aussi. Mais l’IA peut changer le calcul de l’employeur en abaissant le nombre d’heures de travail humain nécessaires pour un même volume d’activité.

Une causalité difficile à établir, mais un signal social fort

Attribuer chaque suppression de poste à l’intelligence artificielle serait simplificateur. Une banque peut réorganiser ses activités pour de multiples raisons : évolution des comportements des clients, fermeture ou transformation de services, concurrence, impératifs financiers ou changements réglementaires. La chronologie entre un lancement technologique et un licenciement est donc un signal à examiner, pas une preuve suffisante de causalité.

Les entreprises ont d’ailleurs intérêt à distinguer publiquement leurs choix de réduction d’effectifs de leurs investissements dans l’IA. Elles peuvent considérer que ces deux phénomènes participent d’une même stratégie de modernisation, tout en les présentant comme séparés. Pour les salariés, cette distinction peut sembler abstraite lorsqu’ils voient simultanément apparaître un nouvel outil automatisé et disparaître des postes dans leur équipe.

C’est précisément le décalage mis en évidence par le témoignage de Dhanushi Jayatileka. L’IA est fréquemment décrite comme un moyen de décharger les équipes des tâches monotones afin qu’elles puissent traiter des dossiers à plus forte valeur ajoutée. Cette évolution est possible, mais elle n’est pas automatique. Elle suppose que l’employeur conserve les salariés, les forme et redessine réellement leurs missions. Sans cet effort, le gain de productivité peut surtout prendre la forme d’une diminution du nombre de postes.

Les annonces d’ANZ, Telstra et Westpac alimentent les interrogations

Le cas de CBA s’inscrit dans un mouvement plus vaste de restructurations au sein des grandes entreprises australiennes. ANZ a annoncé la suppression de 3 500 postes. Sa présidence a déclaré que cette décision « n’a rien à voir avec l’IA ou la technologie ». Cette position rappelle qu’une réduction d’effectifs ne peut pas être automatiquement imputée à un seul outil ou à une seule transformation numérique.

Pour autant, l’absence de lien officiellement revendiqué ne fait pas disparaître les interrogations des salariés. Dans les secteurs bancaire et technologique, les investissements dans l’automatisation s’accompagnent d’une évolution rapide des processus internes. Les applications, les outils d’analyse et les assistants conversationnels peuvent modifier la manière dont les dossiers sont traités, répartis et contrôlés. La question pertinente n’est donc pas seulement « l’IA a-t-elle remplacé cette personne ? », mais aussi « quelle organisation du travail l’IA rend-elle économiquement possible ? ».

Les dirigeants de Telstra et de Westpac ont également soutenu que le passage aux technologies d’IA ne reliait pas directement les licenciements aux pertes d’emplois. Cette prudence s’explique aussi par la nature même des transformations en cours : certains outils suppriment des tâches, d’autres en créent, d’autres encore déplacent le travail d’un service à un autre. Les effets peuvent apparaître dans les recrutements non remplacés, la réduction du recours aux contrats temporaires ou la redéfinition progressive des compétences attendues.

L’illusion d’une montée automatique en compétences

L’une des promesses les plus courantes de l’IA au travail consiste à dire qu’elle libérera les employés des tâches de faible valeur pour leur permettre de se concentrer sur l’analyse, le conseil ou les situations complexes. Cette promesse dépend pourtant de décisions très concrètes : budget de formation, temps consacré à apprendre, mobilité interne, reconnaissance des nouvelles compétences et maintien d’un nombre de postes suffisant.

Kathryn Sullivan, une autre personne touchée par la réduction des effectifs chez CBA, espérait que l’IA deviendrait un outil d’assistance plutôt qu’une menace pour son emploi. Son témoignage souligne une attente raisonnable : les travailleurs acceptent plus facilement la technologie lorsqu’elle complète leurs capacités et améliore leurs conditions de travail, plutôt que lorsqu’elle sert à réduire la masse salariale sans perspective claire pour eux.

La formation ne doit pas être pensée comme une réponse magique. Apprendre à utiliser un nouvel outil peut aider un salarié à évoluer, mais cela ne crée pas à lui seul des postes. La transition devient plus crédible lorsque les entreprises identifient en amont les emplois fragilisés, associent les équipes aux changements et proposent des passerelles vers des métiers effectivement disponibles.

Une inquiétude qui dépasse l’Australie

Les inquiétudes liées à l’IA et à l’emploi ne se limitent pas au secteur bancaire australien. La publication d’origine évoque une étude de l’Université de Stanford selon laquelle un emploi sur huit aurait disparu dans les secteurs les plus exposés à l’IA aux États-Unis. Il mentionne également une hausse du chômage parmi les diplômés universitaires récemment arrivés sur le marché du travail.

Ces éléments doivent être interprétés avec méthode. Pour mesurer l’effet de l’IA sur l’emploi, il faut connaître la période étudiée, les secteurs inclus, la définition retenue pour l’exposition à l’IA et les autres facteurs économiques qui peuvent influencer les embauches. Un ralentissement du recrutement chez les jeunes diplômés peut par exemple refléter plusieurs évolutions simultanées. Il serait donc hasardeux d’attribuer sans nuance toutes les difficultés du marché du travail à l’intelligence artificielle.

Mais l’alerte est réelle : les emplois les plus structurés par des tâches standardisables peuvent devenir plus fragiles, y compris dans le travail de bureau. Cette transformation concerne autant les personnes déjà en poste que celles qui cherchent à entrer dans la vie professionnelle. Si les fonctions juniors sont automatisées, les entreprises devront éviter de fermer les voies d’apprentissage qui permettent de former leurs futurs experts et managers.

Ce qu’il faut surveiller dans la transition vers l’IA

Le cas de Dhanushi Jayatileka invite à suivre plusieurs indicateurs plus utiles que les annonces technologiques seules. Le premier est l’évolution des effectifs dans les équipes où l’IA est déployée : les postes supprimés sont-ils compensés par des reclassements, des recrutements dans d’autres métiers ou des dispositifs de formation ? Le deuxième est la qualité du dialogue avec les salariés et leurs représentants, notamment lorsqu’ils sont invités à transférer leur expertise à un système automatisé.

Il faudra aussi observer la nature des nouveaux emplois créés. Une entreprise qui automatise son service client peut avoir besoin de spécialistes des données, de responsables qualité, d’experts des procédures ou de conseillers chargés des situations complexes. Encore faut-il que les salariés dont les tâches évoluent puissent accéder à ces postes, et que ces possibilités ne restent pas réservées à une minorité déjà très qualifiée.

Enfin, les pouvoirs publics, les syndicats et les employeurs ont un rôle à jouer pour que les gains de productivité soient mieux partagés. L’enjeu n’est pas de refuser toute automatisation. Il est d’empêcher qu’une technologie conçue pour assister le travail se traduise, pour une partie des salariés, par une sortie brutale de l’emploi sans accompagnement. Le récit de Dhanushi Jayatileka rappelle que derrière chaque projet de chatbot, il existe aussi des compétences humaines, des trajectoires professionnelles et des choix d’organisation qui méritent d’être discutés ouvertement.