L'IA n'a pas licencié 4 000 personnes chez Block. C'est la mauvaise architecture.

J’étais coincé dans les bouchons habituels du samedi sur la 405, avançant au pas le long de l’aéroport, quand la nouvelle concernant Block est tombée dans mon fil de podcasts. Jack Dorsey venait de rayer de la carte près de la moitié de son entreprise : plus de 4 000 emplois supprimés en une seule journée. La justification du PDG, livrée dans une lettre aux actionnaires et un message sur X : « une équipe nettement plus petite, utilisant les outils que nous construisons, peut faire plus et le faire mieux ». L’action, évidemment, a bondi jusqu’à 24 % dans les échanges après la clôture.

Tout le week-end, les avis ont fusé. D’un côté, les prophètes de malheur, qui font écho à l’essai viral de Matt Shumer, où il avertissait que l’IA allait s’attaquer à une part importante de tout travail effectué devant un écran, d’ici un à cinq ans, voire plus tôt. De l’autre, les sceptiques, pour qui l’IA n’est qu’une explication commode à des licenciements dus à des recrutements excessifs et à un marché qui ralentit.

De mon point de vue d’architecte e-commerce, qui passe depuis des années à démêler des systèmes de commerce en code spaghetti, les deux camps passent à côté de l’essentiel. Le récit n’est pas « l’IA est désormais assez intelligente pour remplacer 4 000 travailleurs du savoir ». La vraie histoire, c’est qu’au cours de la dernière décennie, des milliers de ces salariés ont probablement été recrutés pour servir de middleware humain, comblant les failles entre des systèmes hérités et fragiles. Leur travail consistait à compenser une mauvaise architecture. L’IA ne les a pas remplacés. Elle a seulement révélé, de manière douloureusement publique, l’inutilité de leurs postes.

Alors, un LLM a-t-il distribué 4 000 lettres de licenciement ?

Soyons brutalement honnêtes. L’idée que Block ait soudain déployé, le jeudi 26 février 2026, une IA consciente et dévoreuse d’emplois qui aurait rendu superflue la moitié de ses effectifs du jour au lendemain relève du pur théâtre d’entreprise. C’est une histoire séduisante, et Wall Street l’adore manifestement, mais elle ne résiste pas à l’examen de quiconque a réellement construit et livré des logiciels en production.

Dans son mémo, Dorsey a évoqué des « outils d’intelligence » et l’« urgence » de servir des millions de clients, prédisant que « d’ici un an, […] la majorité des entreprises parviendront à la même conclusion et procéderont à des changements structurels similaires ». C’est une déclaration audacieuse, qui emprunte beaucoup au manuel d’Elon Musk chez Twitter, l’entreprise que Dorsey a cofondée et dans laquelle il a conservé une participation indirecte en apportant ses actions au rachat de Musk. Le problème, c’est l’absence criante de détails techniques. Aucune mention de grands modèles de langage (LLM) précis, aucune discussion d’une nouvelle architecture de commerce agentique, aucune référence à des API ou des protocoles propriétaires ayant permis ce bond soudain d’efficacité. On nous a livré une conclusion sans la preuve.

Pour un architecte, c’est le plus grand signal d’alarme. Quand nous déployons des systèmes qui créent une efficacité réelle, nous parlons des détails : les modèles de données, les couches d’orchestration, les stratégies de fine-tuning, les benchmarks de latence. Nous ne nous contentons pas de brasser de l’air en invoquant des « outils d’intelligence ». Ce genre de flou est le signe classique d’un récit plaqué après coup sur une décision déjà prise. La décision était de réduire massivement les effectifs. La justification est devenue l’IA.

La déclaration de la directrice financière, Amrita Ahuja, selon laquelle les suppressions permettent à Block d’« avancer plus vite avec des équipes plus petites et très talentueuses qui utilisent l’IA pour automatiser davantage de travail » est révélatrice. Ce n’est pas l’histoire d’une IA qui ferait le travail d’un chef de produit ou d’un marketeur. À ma lecture, c’est l’histoire de l’automatisation de tâches au sein des flux de travail : traitement des transactions, détection de la fraude, demandes du service client. Ce sont précisément les domaines où les entreprises accumulent du « middleware » humain. Ce sont les salariés dont le travail quotidien consiste à copier des données d’un écran à l’autre, à faire remonter manuellement un ticket de support, ou à extraire un rapport d’un système pour le mettre en forme dans un autre, parce que les systèmes centraux ne communiquent pas entre eux. Ces emplois n’ont jamais été sûrs ; ils étaient un symptôme de dette technique, et l’IA n’est que l’auditeur qui a enfin chiffré cette dette en dollars.

Le fantôme dans la machine : où sont les spécifications techniques ?

Si Block avait vraiment réalisé une percée en commerce agentique rendant superflue près de la moitié de son personnel, l’annonce technique aurait été aussi importante que les licenciements eux-mêmes. Nous verrions des schémas, lirions des livres blancs et analyserions une nouvelle documentation d’API. Nous n’avons rien vu. Le silence est assourdissant.

À quoi ressemblerait une véritable architecture de commerce pilotée par des agents ? Certainement pas à une « IA » unique et monolithique. Ce serait un système distribué d’agents spécialisés travaillant de concert, orchestrés par un protocole central. En tant qu’architecte IA spécialisé dans le commerce, voici ce que je m’attendrais à trouver sous le capot.

Voici un aperçu simplifié de ce que pourrait impliquer une véritable architecture agentique pour un processeur de paiement comme Block :

Il ne s’agit pas simplement de brancher un chatbot. C’est une refonte fondamentale de la manière dont les requêtes sont traitées. L’Agent orchestrateur (B) agit comme un chef de projet : il reprend la sortie structurée d’un Agent d’intention client (C), qui utilise lui-même des bases de données vectorielles pour comprendre le langage naturel, puis coordonne une flotte d’agents spécialisés dans la fraude, le routage et le règlement. Chaque agent est un service distinct avec une mission claire, qui interagit avec des API bien définies (K, M) et des sources de données structurées (H, I, J).

Le point crucial, c’est que ce système ne se contente pas d’automatiser le travail ; il supprime des catégories entières de travail qui n’existent qu’à cause de failles d’architecture. Vous n’avez plus besoin d’un humain pour examiner chaque transaction signalée, car l’Agent de détection de fraude (D) dispose d’un modèle plus sophistiqué, fondé sur les données. Vous n’avez pas besoin d’une équipe pour rapprocher les règlements à la main, car l’Agent de règlement (F) et le Grand livre (L) communiquent en permanence, de façon automatisée.

Block a-t-il construit cela ? Peut-être. Mais si c’est le cas, l’entreprise l’a gardé secret. Il est bien plus probable qu’elle dispose de versions rudimentaires de certains de ces composants, et que la direction a vu le potentiel et décidé de réduire les effectifs avant que la technologie soit pleinement mûre. Elle parie sur le plan d’architecte, pas sur la maison terminée.

L’« efficacité de l’IA » est la nouvelle « synergie » : un paravent pour la dette technique

Dans les marques de commerce de Los Angeles, des acteurs de la fast fashion du Fashion District aux marques de bien-être de Venice Beach, on retrouve souvent le même schéma. Un front-end élégant sous Shopify ou Magento, une douzaine d’outils SaaS pour le marketing, l’analytique et le support, et un ERP déployé il y a dix ans. Le tissu conjonctif qui fait tenir l’ensemble ? Des personnes. Des dizaines.

Ce sont les « API humaines » de l’organisation. C’est l’assistante marketing qui passe sa semaine à exporter manuellement des fichiers CSV depuis trois plateformes différentes pour constituer un segment de campagne. C’est l’équipe du service client qui doit garder cinq onglets ouverts pour répondre à une seule question du type « Où est ma commande ? », parce que les données logistiques ne sont pas intégrées au CRM. C’est l’équipe financière noyée sous les tableurs parce que les rapports du processeur de paiement ne concordent pas avec ceux de la banque.

L’IA, sous sa forme actuelle, est un auditeur remarquable de ce problème précis. Quand vous essayez de mettre en place ne serait-ce qu’un agent IA simple, sa première question est : « Où est l’API pour ça ? » La deuxième : « Les données sont-elles structurées ? » Quand la réponse est « Quelqu’un à la comptabilité sort ce rapport » ou « Il faut se connecter à cet autre système », l’IA ne peut pas fonctionner. Et c’est là que le coût de votre dette technique apparaît au grand jour : c’est le salaire de la personne dont le travail entier consiste à servir de contournement à des projets d’intégration ratés.

Voilà ce qui s’est passé chez Block, à mon avis. Les « outils d’intelligence » évoqués par Dorsey révèlent probablement quelle part de la masse salariale de plus de 10 000 personnes servait à colmater ces brèches d’architecture. Plutôt que de se lancer dans un projet de refonte pluriannuel et politiquement délicat, il s’est inspiré de Musk : supprimer d’abord le middleware humain, puis obliger l’équipe restante à construire l’automatisation pour survivre. C’est brutal, mais efficace. Le bond allant jusqu’à 24 % après la clôture dit tout de ce que le marché valorise. Il ne s’agit pas de technologie révolutionnaire, mais d’un engagement implacable envers l’efficacité opérationnelle.

Architecture agentique contre middleware humain : comparaison

Soyons concrets. Prenons un scénario de commerce courant et faussement simple : une cliente de West Hollywood a acheté une robe dans une boutique de Melrose, mais elle est arrivée abîmée, et elle souhaite qu’un remplacement soit envoyé à son bureau du centre-ville, tout en obtenant un remboursement partiel pour le désagrément.

Voici comment cela se déroule dans deux structures organisationnelles différentes (les délais et montants sont donnés à titre d’illustration).

La taxe du surpoids en action

La colonne « middleware humain » est la réalité de nombreuses marques DTC. C’est lent, coûteux et sujet aux erreurs. Le coût ne se limite pas aux salaires des trois employés concernés : il y a aussi l’attrition des clients, les avis négatifs et la pure lourdeur opérationnelle. C’est la « taxe du surpoids », une pénalité payée pour chaque personne recrutée afin de masquer une fissure d’architecture. Les investisseurs, voyant le geste de Dorsey, vont probablement commencer à demander à chaque marque de leur portefeuille pourquoi elle la paie encore.

Se préparer à un avenir agentique : les données structurées ne sont pas négociables

La colonne du commerce agentique n’a rien de magique. Elle représente un système bâti sur un socle de données structurées pour la recherche IA et l’action. Les agents ne peuvent fonctionner que parce que les données produits, clients, stocks et commandes sont propres, accessibles et disponibles en temps réel. Le chemin vers un avenir agentique ne commence pas par l’embauche d’un prompt engineer ; il commence par l’embauche d’un architecte de données et par un nettoyage rigoureux de vos données. C’est le travail ingrat mais essentiel qui définit la préparation de la vitrine au commerce agentique. Sans lui, tout investissement dans l’IA ne fait que financer une nouvelle aile du musée de la dette technique.

Ce que cela signifie pour votre marque : un audit de préparation à l’IA

Si vous dirigez une activité de commerce, le message du geste radical de Block n’est pas de licencier demain la moitié de vos équipes. C’est de découvrir quelle part de vos effectifs joue le rôle de middleware humain, car ces postes sont déjà obsolètes : le marché ne vous a simplement pas encore forcé la main. N’achetez pas une « plateforme IA » dans la panique. Faites un audit.

Cartographiez vos API humaines

Réunissez votre équipe dans une salle pendant une semaine. Prenez un processus critique, comme l’exemple de retour ci-dessus, l’intégration des fournisseurs ou la création de campagnes. Dessinez chaque étape au tableau blanc. Pour chacune, demandez-vous : « Une personne prend-elle ici une décision créative ou stratégique, ou déplace-t-elle des données du système A vers le système B ? »

Chaque fois que la réponse est « déplacer des données », entourez cette étape d’un cadre rouge. Ce sont vos API humaines. C’est votre dette d’architecture. C’est votre point faible. Votre objectif pour les 12 prochains mois devrait être d’éliminer chacun de ces cadres rouges, non pas en licenciant la personne, mais en construisant l’API ou le pipeline de données qui rend son travail manuel inutile et la libère pour des tâches à plus forte valeur.

Lancez dès maintenant votre AI Experience Lab

Attendre que cette technologie mûrisse, c’est courir à l’extinction. Vous devez commencer à apprendre maintenant. Pas besoin d’un budget colossal. Créez un AI Experience Lab : une petite équipe transverse composée d’un ingénieur, d’une personne produit et d’un analyste de données. Sa mission : construire de petits prototypes fonctionnels qui résolvent de vrais problèmes métier selon des principes agentiques.

N’essayez pas de construire d’abord un chatbot destiné aux clients. Commencez par les flux internes. Pouvez-vous construire un agent qui automatise le rapprochement des stocks ? Un outil qui utilise un modèle de vision pour étiqueter automatiquement les nouvelles photos produits ? Vous êtes peut-être une marque de mode : pouvez-vous construire un prototype d’essayage virtuel par IA ? Non pas pour le lancer auprès des clients, mais comme exercice pour voir où vos données produits et vos API sont insuffisantes. Le but du lab n’est pas de livrer du code de production ; c’est d’acquérir en interne une compréhension de ce qu’il faut réellement pour faire fonctionner l’IA avec vos systèmes, spécifiques et désordonnés. C’est le cœur d’une architecture IA pour le commerce résiliente.

La véritable apocalypse de l’IA est une guerre d’usure

Tout le monde parle de l’« apocalypse de l’emploi due à l’IA » comme s’il s’agissait d’un événement unique et cataclysmique, comme chez Block. C’est faux. Pour la plupart des entreprises, ce ne sera pas une purge soudaine. Ce sera un déclin lent, silencieux et douloureux.

Les marques qui ignorent leur dette d’architecture se retrouveront incapables de rivaliser. Pendant qu’elles passent une semaine à lancer une nouvelle promotion parce qu’elle exige une coordination manuelle entre trois services, leur concurrent plus léger disposera d’un agent qui le fait en une heure. Pendant qu’elles recrutent davantage de personnel de support pour absorber la hausse des tickets, les agents de leur concurrent résoudront les problèmes instantanément, renforçant la fidélité des clients.

Il ne s’agit pas d’une entreprise qui aurait une « IA plus intelligente ». Il s’agit d’une entreprise dotée d’un socle plus agile, centré sur les données. Cela lui permet d’itérer plus vite, d’opérer avec de meilleures marges et d’attirer de meilleurs talents. Les marques plombées par le middleware humain perdront sur tous les fronts.

Elles ne perdront pas parce qu’un concurrent a acheté une IA plus intelligente. Elles perdront parce qu’un concurrent a réparé son architecture en premier, et le moment de commencer à réparer la vôtre, c’est maintenant.

Sources : Lettre de Block aux actionnaires (SEC 8-K, Exhibit 99.1, 26 février 2026) ; CNBC, 26 février 2026 ; Matt Shumer, « Something Big Is Happening » (Fortune, 11 février 2026) ; Jack Dorsey, Schedule 13D relatif à Twitter (octobre 2022).

• commerce-ai
• architecture
• agentic-commerce
• layoffs
• block