26 ex-salariés accusent Meta d’avoir laissé l’IA choisir les 8 000 licenciés

Chez Meta, une plainte affirme que des systèmes d’IA auraient contribué à désigner les salariés sacrifiés lors d’une vague de 8 000 licenciements. Les plaignants accusent l’entreprise d’avoir transformé des traces d’activité numérique — et parfois des absences légalement protégées — en critères de classement professionnel.

Une sélection des licenciés passée par des scores automatisés

Déposée par 26 anciens salariés, la plainte met en cause la méthode employée par Meta pour préparer cette importante réduction d’effectifs. Selon les plaignants, l’entreprise aurait combiné plusieurs outils internes afin d’évaluer, comparer puis classer ses employés avant les licenciements.

Parmi les systèmes cités figure MetaMate, l’assistant d’IA interne de Meta. La plainte mentionne également des agents chargés de suivre l’activité des salariés ainsi que des tableaux de bord recensant leur consommation d’outils d’IA. Ces données auraient ensuite été utilisées pour produire une forme de hiérarchie entre employés, dans laquelle certains profils devenaient plus vulnérables aux suppressions de postes.

Le mécanisme exact reste à établir. La plainte ne signifie pas nécessairement qu’un modèle aurait, seul, envoyé les notifications de licenciement. Elle soutient plutôt que des systèmes automatisés auraient fourni des scores, des recommandations ou des signaux suffisamment déterminants pour peser sur les arbitrages de la direction.

Cette distinction sera centrale dans la procédure. Une décision officiellement prise par un responsable humain peut toujours être contestée si elle repose sur des critères produits par un outil algorithmique discriminatoire ou mal conçu.

Les congés médicaux et parentaux au cœur des accusations

L’accusation la plus sensible concerne les salariés absents ou moins visibles dans les outils de suivi. Les plaignants affirment que les employés handicapés ainsi que ceux placés en congé médical ou en congé parental protégé auraient été défavorisés par ces systèmes de notation.

Un salarié absent produit mécaniquement moins de messages, de réunions, de contributions dans les outils collaboratifs ou d’interactions avec les assistants d’IA. Si ces signaux servent à mesurer l’engagement, la productivité ou la valeur supposée d’un poste, l’algorithme peut interpréter une absence légitime comme une baisse de performance.

Le risque est particulièrement important pour les personnes bénéficiant de protections légales. Un congé médical ou parental ne devrait pas devenir une variable négative dans une procédure de sélection. Pourtant, un modèle entraîné sur des historiques de comportement pourrait associer présence numérique et performance, sans comprendre qu’une interruption d’activité résulte d’un handicap, d’un traitement médical ou d’un congé autorisé.

La plainte cherche ainsi à déplacer le débat : le problème ne serait pas seulement celui d’un biais explicite dans le code, mais celui de l’usage de données apparemment neutres dans un contexte où certains salariés sont, par nature, moins présents dans les systèmes numériques.

Le piège des métriques de présence

Les agents de suivi d’activité et les tableaux de consommation d’IA illustrent une tendance croissante dans les grandes entreprises technologiques : mesurer l’adoption des outils internes, la fréquence des interactions ou le volume de production numérique. Ces indicateurs peuvent être utiles pour repérer des besoins de formation ou suivre le déploiement d’un logiciel. Ils deviennent beaucoup plus contestables lorsqu’ils servent à évaluer directement la valeur d’un salarié.

La consommation d’un assistant d’IA, par exemple, ne constitue pas une mesure universelle de productivité. Un ingénieur peut utiliser un outil moins fréquemment parce qu’il travaille sur une infrastructure spécifique. Un juriste ou un responsable des ressources humaines peut être soumis à des règles de confidentialité limitant son usage. Un salarié en congé, lui, peut apparaître comme totalement inactif sans que cela dise quoi que ce soit sur son travail antérieur.

Le dossier pourrait donc examiner non seulement les décisions finales, mais aussi la construction des critères : quelles données ont été collectées, sur quelle période, avec quelles pondérations et quelles corrections pour les absences protégées.

Meta conteste une décision prise par l’IA

Meta dément les accusations et affirme que les décisions de gestion ont été prises par des humains. Cette réponse vise le cœur de la plainte : l’entreprise soutient que les outils utilisés n’auraient pas remplacé le jugement des responsables.

La présence d’une validation humaine ne suffira toutefois pas forcément à clore le débat. Dans de nombreuses organisations, les responsables disposent de peu de temps pour examiner des milliers de dossiers. Un score ou une recommandation algorithmique peut alors devenir le point de départ — voire le point d’arrivée — de la décision, même si un manager signe formellement l’arbitrage.

La procédure devra déterminer le rôle réel joué par les systèmes de Meta. Ont-ils simplement agrégé des informations ? Ont-ils proposé des classements ? Les responsables pouvaient-ils modifier les résultats ? Des salariés absents ont-ils été comparés à des collègues présents sur la totalité de la période ? Les journaux d’utilisation, les paramètres des modèles et les échanges internes pourraient apporter des réponses.

Un audit indépendant et un nouveau calcul des décisions

Les anciens salariés demandent notamment un audit indépendant des outils et des critères employés. Ils réclament aussi un recalcul des décisions de licenciement, afin d’identifier les personnes qui auraient été pénalisées par leur handicap, leur congé médical ou leur congé parental.

Ces demandes sont importantes car une enquête interne menée par l’entreprise pourrait ne pas suffire à restaurer la confiance. Un audit crédible devrait examiner les données sources, les règles de classement, les exceptions prévues pour les congés protégés et les décisions humaines prises après génération des scores. Il devrait aussi comparer les taux de licenciement entre groupes concernés et salariés similaires restés actifs.

Pour Meta, l’enjeu dépasse le cas des 26 plaignants. Si la justice établit que les systèmes ont influencé la sélection des 8 000 licenciés, l’entreprise pourrait devoir produire une documentation détaillée de ses pratiques de gestion algorithmique. Elle s’exposerait également à des demandes d’indemnisation ou de réexamen plus larges, selon le périmètre retenu par la procédure.

Le prochain test : accéder aux traces des algorithmes

Le prochain jalon sera probablement la phase où les plaignants chercheront à obtenir les documents et les données liés aux outils internes : historiques de scores, consignes adressées aux managers, paramètres des tableaux de bord et listes de salariés classés.

Le dossier fournira un test concret de la responsabilité des entreprises lorsque l’IA intervient dans les ressources humaines. Une décision humaine ne constitue pas automatiquement une garantie contre la discrimination si cette décision s’appuie sur des indicateurs opaques. Pour les salariés, la conséquence est mesurable : un audit pourrait conduire à réexaminer les licenciements et à identifier les écarts de traitement. Pour les employeurs, la prochaine exigence sera plus difficile à éluder : démontrer, dossier par dossier, que les données utilisées pour réduire les effectifs n’ont pas transformé une absence protégée en signal de moindre valeur professionnelle.