AI rebounding (réembauche après l'IA)

Éthique & conformité

L'AI rebounding désigne le retour en arrière d'une entreprise qui a remplacé des salariés par l'IA, puis doit les rappeler parce que l'outil ne fait pas le travail attendu. C'est le cabinet SHL qui a donné ce nom au phénomène, le 29 octobre 2026 : dans son enquête menée en juin et juillet 2026 auprès de 2 036 actifs, 19 % des répondants américains et 13 % des britanniques disent avoir été remplacés par l'IA puis rappelés par le même employeur. Gartner prévoit que d'ici 2029, 30 % des salariés licenciés et remplacés par l'IA seront réembauchés, souvent pour un coût plus élevé.

En pratique chez Gensai

Gensai conçoit ses projets pour épauler les équipes plutôt que les remplacer : l'IA traite les demandes simples et répétitives et transmet les cas complexes à une personne. Les projets commencent le plus souvent par un POC qui mesure le résultat réel avant tout changement d'organisation.

Comment éviter l'AI rebounding ?

En mesurant ce que l'IA fait sur le travail réel avant de toucher à l'organisation : un pilote de quelques semaines, des indicateurs suivis (demandes résolues, erreurs, satisfaction) et une période où l'outil et l'équipe travaillent ensemble. Gartner recommande de partir du travail à accomplir plutôt que d'un objectif d'effectifs : selon le cabinet, seules 19 % des organisations ont une planification des effectifs qui tient compte de l'IA.

Erreur fréquente

Décider du nombre de postes à supprimer avant de savoir ce que l'IA fait vraiment. Klarna a recommencé à recruter des conseillers humains en 2025 après avoir misé sur son assistant IA, et Ford a recruté 350 ingénieurs expérimentés en juin 2026 quand ses outils de contrôle qualité par IA ont déçu. Ce qui manque à l'outil, c'est souvent le savoir-faire des personnes parties : cas difficiles, exceptions, relation client.