IA et efficacité de l’embauche : ce que les investisseurs doivent savoir

L’intelligence artificielle est souvent présentée comme un moyen d’accomplir davantage avec moins d’employés. Cette approche néglige une autre opportunité : aider les entreprises à employer le nombre adéquat de personnes en fonction des variations de la demande. Embaucher de manière trop agressive peut faire grimper les coûts. Embaucher trop prudemment peut laisser les clients dans l’attente, retarder le développement de produits et céder la croissance aux concurrents.

Une étude de Kai Xing et de ses collègues, intitulée ¹ L’intelligence artificielle et l’efficacité de l’investissement en main-d’œuvre : données issues d’entreprises américaines, examine cette dimension moins visible de la valeur de l’IA pour les entreprises. Publiée en prépublication dans le Journal of International Money and Finance, elle conclut que les entreprises qui adoptent l’IA tendent à présenter un écart plus faible entre leurs embauches réelles et celles que prédisent leur situation économique.

Pour les investisseurs, l’implication dépasse les économies de masse salariale. Les dépenses en IA méritent peut‑être un examen plus approfondi en tant qu’investissement dans la réactivité organisationnelle. L’opportunité réside dans le fait de relier de meilleures informations à de meilleures décisions, tout en reconnaissant que l’adoption de la technologie et la réalisation de ses bénéfices sont deux réalisations distinctes.

Ce que mesure réellement l’efficacité de l’embauche liée à l’IA

Les chercheurs analysent 36 078 observations d’entreprises par année couvrant 5 843 sociétés cotées aux États‑Unis de 2004 à 2020. Les établissements financiers et les services publics sont exclus parce que leurs environnements réglementaires et leurs structures comptables diffèrent de celles des autres entreprises.

L’étude estime l’embauche nette attendue à partir des fondamentaux de l’entreprise, notamment la croissance des ventes, la rentabilité, les rendements boursiers, la taille de la société et la liquidité. Elle mesure ensuite l’écart entre l’embauche réelle et ce repère. Des écarts plus faibles indiquent une plus grande efficacité de l’investissement en main‑d’œuvre.

Cette distinction est importante. L’efficacité ne signifie pas automatiquement réduire les effectifs. Une entreprise qui a besoin d’ingénieurs pour soutenir une demande croissante pourrait améliorer son efficacité mesurée en embauchant davantage. Une autre entreprise qui recrute avant une croissance des ventes durable pourrait s’améliorer en ralentissant le recrutement.

Le dispositif ne permet pas non plus d’établir directement la productivité des employés, la satisfaction client ou la qualité des emplois. Il décrit dans quelle mesure l’embauche nette correspond à une estimation statistique. Cette estimation offre une comparaison utile entre les entreprises, mais ne peut pas saisir toutes les raisons stratégiques pour lesquelles une société pourrait temporairement maintenir une capacité excédentaire.

Par exemple, embaucher des spécialistes avant le lancement d’un produit peut sembler excessif par rapport aux ventes actuelles tout en restant commercialement judicieux. Les investisseurs devraient donc considérer les résultats comme une preuve d’alignement des effectifs, plutôt que comme une formule pour la main‑d’œuvre idéale.

Ce que l’étude révèle sur l’IA et le personnel

L’analyse principale identifie les entreprises liées à l’IA via leur appartenance à des fonds négociés en bourse à thème IA. Les auteurs interprètent cela comme une exposition à l’IA reconnue par le marché, plutôt que comme une mesure directe de la mise en œuvre au sein de chaque société. Des tests supplémentaires utilisent des indicateurs liés à la main‑d’œuvre et aux brevets en IA.

Dans l’ensemble de ces approches, les résultats soutiennent généralement une association positive entre l’exposition à l’IA et l’efficacité de l’investissement en main‑d’œuvre. La relation couvre à la fois le sur‑recrutement et le sous‑recrutement, suggérant que le bénéfice pertinent réside dans l’alignement plutôt que dans une préférence uniforme pour des effectifs plus réduits.

Les auteurs constatent également des associations positives avec la rentabilité et la valorisation boursière. Ces résultats renforcent la pertinence de l’article pour les investisseurs, bien qu’ils n’établissent pas que l’IA seule a causé ces résultats.

Pourquoi un meilleur effectif pourrait créer de la valeur commerciale

Considérez une entreprise de services hypothétique confrontée à une demande imprévisible. Sans informations fiables, les gestionnaires peuvent alterner entre embaucher trop tard et conserver une capacité après la baisse de la demande. Les clients subissent des retards pendant les périodes de forte activité, tandis que les périodes plus calmes laissent l’entreprise supporter des coûts évitables.

L’IA pourrait aider à prévoir le travail à venir, identifier les goulets d’étranglement récurrents et distinguer les pics temporaires d’une croissance durable. Les gestionnaires pourraient alors ajuster les plannings, redéployer les employés ou recruter des compétences spécifiques avant que le service ne se détériore.

Il s’agit d’une interprétation opérationnelle des résultats, plutôt que d’un mécanisme prouvé par l’étude. Sa valeur réside dans le fait qu’elle élargit la question d’investissement. Au lieu de se demander uniquement combien de postes l’automatisation élimine, les investisseurs peuvent se demander si l’entreprise réagit plus efficacement aux conditions changeantes.

La même logique s’applique au-delà des flux de travail de bureau. La récente couverture de Securities.io concernant les gains de productivité de l’IA dans l’agriculture explore comment une meilleure allocation des ressources peut créer de la valeur dans les industries physiques. Le travail est une autre ressource dont le timing et le déploiement influencent les résultats commerciaux.

La perturbation de la main‑d’œuvre peut affaiblir les rendements de l’IA

Le déploiement technologique entraîne ses propres coûts d’ajustement. Les employés doivent apprendre de nouveaux systèmes, les responsabilités peuvent changer, et les gestionnaires doivent décider quand les recommandations automatisées méritent une révision humaine. La productivité peut en pâtir pendant que ces changements sont en cours.

L’étude révèle un schéma compensatoire associé à sa variable de rotation du personnel. Cependant, ce proxy mesure les changements d’emploi par rapport à la taille de la main‑d’œuvre. Il ne doit pas être interprété comme une mesure directe des démissions, de la rétention ou du mécontentement des employés.

Même avec cette limitation, la constatation soulève une question de gestion utile : quel degré de perturbation accompagne la transition ? Une entreprise pourrait automatiser avec succès les tâches routinières tout en perdant des connaissances institutionnelles précieuses à cause d’une restructuration mal planifiée.

Cette préoccupation se relie à l’examen de Securities.io concernant la confiance des employés et le ROI de l’automatisation. Une stratégie de déploiement crédible nécessite que les employés comprennent les responsabilités modifiées et fournissent des informations sur les points de défaillance des systèmes.

La reconversion affecte également la transformation de la capacité libérée en capacité utile. Faire gagner plusieurs heures aux employés ne génère pas automatiquement des revenus supplémentaires. Les entreprises ont besoin d’un plan pratique pour réorienter ce temps vers le service client, le développement de produits ou d’autres travaux de valeur.

Pourquoi la flexibilité financière est importante pour l’adoption de l’IA

L’association entre l’IA et l’efficacité du personnel est plus forte parmi les entreprises disposant d’une plus grande capacité d’innovation et d’une flexibilité financière. Cela suggère que les ressources complémentaires méritent une attention particulière en parallèle de la technologie elle-même.

Les déploiements peuvent nécessiter le nettoyage des données, l’intégration, la formation et la refonte des processus avant que les bénéfices n’apparaissent. Les entreprises disposant de meilleures liquidités peuvent être plus à même de financer cette transition sans l’abandonner durant un trimestre difficile.

L’étude indique également une association plus forte entre l’IA et l’efficacité dans des conditions financières internationales plus strictes et une demande étrangère accrue pour les actifs américains. Il s’agit de relations historiques, et non de prévisions sur la façon dont le prochain cycle de financement se déroulera.

Une déduction pratique est que les investisseurs devraient évaluer si une entreprise peut soutenir les dépenses de mise en œuvre malgré l’incertitude. Acheter un logiciel est plus simple que financer les changements organisationnels qui le rendent efficace.

Comment les investisseurs peuvent évaluer les avantages commerciaux de l’IA

Les résultats suggèrent un cadre d’évaluation plus utile que de simplement compter les annonces d’IA ou de comparer les effectifs avant et après le déploiement. Les investisseurs devraient rechercher des preuves que les améliorations opérationnelles perdurent au-delà de la phase de démonstration.

• Le personnel s’ajuste-t-il à la demande tout en maintenant la qualité du service ?
• Les bénéfices déclarés sont-ils mesurés après la mise en œuvre et les coûts d’exploitation ?
• Les employés peuvent-ils utiliser la capacité libérée pour des tâches qui améliorent les résultats de l’entreprise ?

Ces questions aident également à distinguer les capacités du fournisseur des résultats du client. Un produit peut bien fonctionner dans un flux de travail contrôlé tout en offrant une valeur limitée dans une entreprise fragmentée.

Les déploiements modernes impliquent de plus en plus la coordination de systèmes plutôt que la génération de réponses isolées. La discussion de ServiceNow en mars 2026 sur le benchmarking de l’IA d’entreprise décrit l’évaluation des modèles par rapport aux conditions commerciales, y compris le traitement de documents et l’exécution de flux de travail. Ce type de test est pertinent car le coût des exceptions et de l’intervention humaine peut déterminer si l’efficacité apparente se transforme en valeur économique.

ServiceNow offre une exposition à l’automatisation des flux de travail IA

Pour les investisseurs intéressés par les entreprises développant cette infrastructure, ServiceNow constitue un exemple pertinent. Sa plateforme connecte les flux de travail d’entreprise, les données et les actions automatisées, la plaçant au plus près des décisions opérationnelles par lesquelles l’IA pourrait modifier les besoins en main‑d’œuvre.

En mai 2026, l’entreprise a élargi sa main‑d’œuvre autonome à travers les fonctions d’entreprise, en introduisant des spécialistes IA pour l’informatique, la gestion de la relation client, les services aux employés, ainsi que la sécurité et les risques. Ces offres sont conçues pour exécuter des processus dans le cadre de permissions et de contrôles de gouvernance définis.

Une annonce de juillet décrivant Leidos’ déploiement élargi de flux de travail IA constitue un exemple contemporain de la demande des entreprises. Les objectifs déclarés comprennent l’amélioration des services aux employés, l’expansion de l’auto‑service informatique et la centralisation de la gouvernance de l’IA. Il s’agit d’objectifs de déploiement, et non de preuves indépendamment vérifiées d’économies réalisées.

La relation avec l’investissement est simple : les entreprises cherchant à coordonner le travail humain et automatisé peuvent nécessiter des plateformes qui intègrent l’exécution à la supervision. ServiceNow participe à ce marché. Son attractivité en tant qu’investissement dépend encore de l’évaluation, de la concurrence, des coûts de mise en œuvre et de la capacité des clients à renouveler et à augmenter leurs dépenses.

Les avantages de l’IA en matière de dotation nécessitent de meilleures preuves

L’échantillon historique de l’étude se termine en 2020, avant le boom actuel de l’IA générative. Ses conclusions ne peuvent donc pas établir les effets des agents IA actuels ni valider les affirmations d’un fournisseur spécifique.

Néanmoins, cela offre une orientation utile pour évaluer le rôle économique de l’IA. Les entreprises peuvent créer de la valeur lorsque la technologie les aide à éviter à la fois une capacité insuffisante et une expansion inutile. Les investisseurs devraient rechercher des preuves que de meilleures décisions de dotation se traduisent par un service durable, une rentabilité et une croissance, tout en tenant compte des coûts nécessaires pour y parvenir.

Références:

¹ Xing, K., Xiong, K., Xiao, F., & Zhang, H. (2026). L’intelligence artificielle et l’efficacité de l’investissement en main-d’œuvre : données issues d’entreprises américaines. Journal of International Money and Finance. Publication en ligne anticipée. https://doi.org/10.1016/j.jimonfin.2026.103684