Block et la réduction de 40 % : quand l'IA devient une structure opérationnelle
Block Inc., la fintech derrière Square et Cash App, a annoncé le 26 février 2026 une réduction de plus de 4 000 postes, représentant près de 40 % de son effectif mondial de temps plein (10 205 personnes en décembre 2025), avec une exécution prévue pour la fin du deuxième trimestre fiscal de 2026. Dans les communiqués, l'argument ne laissait pas de place au doute : l'IA permet désormais à des équipes plus petites de soutenir des « corps de travail » significatifs, comme l'a précisé sa CFO et COO, Amrita Ahuja, dans une interview exclusive. Jack Dorsey, CEO de Block, a formulé cela en ces termes : des équipes plus petites et plus plates permettent une manière différente de construire et d'opérer une entreprise.
Le marché a interprété ce mouvement comme une amélioration immédiate de l'efficacité : l'action a grimpé de plus de 23 % dans les échanges après la clôture suite à cette annonce. Mais cette montée du prix ne rend pas compte de la mécanique réelle. Si l'on considère l'entreprise comme une structure, cette réduction n'est pas une « rationalisation des coûts » ; c'est une redéfinition de la charge : quel travail soutient quel produit, avec quelle densité de talents, et à quel coût récurrent. Block affirme que son nouveau pilier est l'IA — incluant son propre modèle, « goose » — et que l'édifice peut se soutenir avec moins de colonnes humaines.
La décision ne se justifie pas par le récit, mais par la capacité installée
Ahuja a attribué ce tournant à 18 mois de progrès en matière d'IA, où la phrase clé est « confiance » : confiance dans le fait que des équipes plus petites peuvent exécuter un travail pertinent. En termes d'architecture organisationnelle, cela signifie que Block pense avoir transformé une partie du travail — auparavant intensif en coordination, rédaction, support, analyse, tests et développement — en capacité installée de logiciel.
Dorsey, de son côté, a présenté cette réduction comme une intervention unique pour éviter des vagues répétées, qui érodent le moral, la concentration et la confiance. Ce détail est important car il révèle un critère d’ingénierie : si l’on décide de recalculer l’édifice, on préfère un redesign global plutôt que des “réparations” successives qui laissent des zones instables. Il a également indiqué qu'il maintiendrait des canaux ouverts (e-mail et Slack) pour les départs, et qu'il réaliserait une session vidéo avec les employés. Ce n'est pas un détail négligeable ; cela prouve que même dans un contexte de réduction axée sur l'efficacité, la friction humaine existe et est gérée comme partie intégrante du système.
L'élément le plus intéressant est la clarification du “pourquoi maintenant”. Block avait déjà réduit de 931 postes en 2025 (8 % de sa main-d’œuvre), et à ce moment, l’explication concernait la performance et la stratégie, pas un remplacement par l’IA. En 2026, le message change : l'IA passe de promesse à moteur de reconfiguration du travail. Ce changement de langage est en soi un indicateur de maturité interne : lorsque qu'une organisation est prête à redéfinir les rôles, les équipes et les hiérarchies autour de l'automatisation, elle cesse de parler d'expérimentations et commence à parler d’effectifs.
Une réduction massive est aussi une confession de friction dans le modèle de rentabilité
Block a rapporté plus de 10 milliards de dollars de bénéfice brut en 2025, soit une augmentation de 17 % par rapport à l'année précédente. Augmenter le bénéfice brut tout en procédant à une réduction de près de 40 % véhicule un message opérationnel : le problème ne résidait pas dans la demande, mais plutôt dans la conversion de l'échelle en marge. Lors du briefing, il a été mentionné que Block “est en retard” en matière de rentabilité par rapport à des pairs comme Visa, Mastercard et Shopify, avec des marges brutes inférieures à la moitié. Sans entrer dans des comparaisons non quantifiées, la direction est claire : le marché ne fait plus de distinction entre “plus de volume avec plus de personnel”; il privilégie plus de bénéfice par unité de structure.
Ici, l'IA agit comme un levier pour deux mouvements simultanés. D'abord, elle réduit le coût de main-d'œuvre direct et indirect. L'estimation mentionnée dans le briefing — à titre d'ordre de grandeur — suggère que la suppression de 4 000 postes avec des salaires moyens de 100 000 dollars pourrait récupérer environ 400 millions de dollars par an en paie, bien que l'analyse avertisse que les coûts de l'IA (centres de données, tokens de raisonnement, fonctionnement, entraînement) peuvent capturer une part importante des économies. La bonne lecture n'est pas “l’IA remplace et c'est tout”, mais “l’IA change la frontière des coûts” : une partie de ce qui était un coût fixe humain devient un coût technologique qui peut être évolutif de manière différente, mais pas gratuitement.
Ensuite, et plus important encore, l'IA réduit le coût le moins visible : la coordination. Dans des entreprises à forte croissance, l'organigramme tend à s'alourdir par couches de gestion, révisions, dépendances et processus. Dorsey a évoqué des équipes “plus plates” ; cela vise à éliminer les couches qui ne produisent pas directement de produit, de ventes ou de résilience. Si l'IA réduit effectivement le temps de production et de documentation, elle réduit également le besoin d'intermédiation. Et lorsque la médiation diminue, une organisation peut tenter de fonctionner avec moins de “couloirs” et plus de “chambres connectées”.
La question stratégique — sans nécessité de la formuler comme question — est de savoir si Block redéfinit des processus ou réduit seulement ses effectifs. Josh Bersin, cité dans le briefing, soutient que l'IA supprime rarement des emplois sans réingénierie ; elle augmente la productivité individuelle, mais la réduction intervient lorsque le système est reconfiguré. Block, du moins par sa communication, indique qu’elle a suffisamment reconfiguré pour exécuter ce changement.
L'élément critique est l'ajustement : IA, produit et canal doivent s'aligner sous peine de voir l’édifice vibrer
Une réduction de cette ampleur dans une fintech qui opère des produits de masse comme Square et Cash App ouvre une tension : maintenir le rythme d'innovation avec moins de personnes. Sur le plan structurel, le risque n'est pas de “faire moins”, mais de “laisser sans soutien” une charge essentielle : service client, sécurité, conformité, intégrité des paiements, prévention de la fraude, fiabilité du produit. Dans les paiements, les erreurs ne sont pas des bogues mineurs ; ce sont des pertes, des réclamations, des sanctions et des fuites.
C'est pourquoi le détail du modèle interne “goose” est plus important qu'il n'y paraît. Non pas à cause du nom, mais par rapport à l'intention : lorsqu'une entreprise développe ou adapte un modèle, elle cherche à ce que l'IA s'ajuste à son contexte, ses données, ses flux et ses politiques. En termes mécaniques, elle tente de fabriquer une pièce sur mesure au lieu de visser un composant générique. Pourtant, le risque se déplace : il ne s'agit plus seulement de “capacité humaine”, mais de gouvernance du modèle, contrôle de qualité, formation, surveillance, sécurité et biais opérationnels. Un LLM n'est pas un employé ; c'est une machine qui nécessite entretien, tests, limites et audit.
Le briefing cite également un point pertinent : le coût de fonctionnement d'IA avancée pourrait approcher une part significative du coût du personnel. Cela signifie que le résultat ne dépend pas de “posséder de l'IA”, mais de là où elle est appliquée. L'IA appliquée à des tâches à fort volume et faible ambiguïté a tendance à générer des retours clairs. L'IA appliquée à des ingénieries “à fort contexte et non linéaire”, comme l’a averti Bersin, peut accélérer certaines parties du travail, mais ne supprime pas la nécessité de critères, d’architectures, de tests et de responsabilités. Si Block réduit sa structure sans redéfinir l'allocation de l'IA par type de travail, elle risque de créer des zones de fatigue : moins de personnes gérant les incidents, les lancements et la dette technique.
Ce que Block tente de faire, analysé avec lucidité, est un acte d'atomisation interne : des équipes plus petites avec des mandats plus clairs, soutenues par l'IA, évitant le schéma de “tout le monde sert tout le monde”. Quand cela fonctionne, cela se reflète dans deux métriques dures : des cycles de livraison plus courts sans chute de qualité, et une marge opérationnelle qui s'améliore sans détérioration de la rétention ou augmentation des pertes par fraude. Quand cela ne fonctionne pas, cela se voit rapidement : plus d'interruptions, plus d'escalades, plus de coûts liés aux incidents, et une organisation qui retourne à l'embauche pour combler les lacunes.
Le signal pour le marché : l’effectif ne reste plus le baromètre d’ambition
La montée de 23 % de l'action suite à l'annonce montre un appétit pour l'efficacité. Mais confondre la réaction du marché avec la santé du modèle est une erreur courante : le prix répond aux attentes, non à une exécution confirmée. L'exécution réelle sera évaluée au trimestre suivant et, surtout, dans la continuité : capacité à maintenir la croissance du bénéfice brut et à améliorer la rentabilité sans dégrader les produits.
Dorsey a justifié ce mouvement comme un moyen d'éviter des réductions répétées et leurs effets néfastes sur la confiance. C'est une décision de gouvernance, pas seulement de finance. Réduire plusieurs fois équivaut généralement à fonctionner avec des plans incomplets : chaque intervention révèle que le calcul initial était insuffisant. Effectuer une grande réduction d'un coup est un redéveloppement plus agressif ; cela réduit l'incertitude future pour l'organisation, mais augmente le risque d'avoir retiré une colonne porteuse sans le remarquer.
Dans le secteur, Block n'est pas seule. Le briefing mentionne le contexte des licenciements dans la technologie et des cas comme Amazon en janvier 2026 réduisant des couches. Un modèle se dessine : des entreprises qui ont grandi avec la logique “embaucher pour croître” se déplacent vers “produire plus avec moins”, poussées par la pression sur les marges et la disponibilité de l'IA appliquée aux travaux de bureau. La nuance est que toutes les entreprises n'ont pas les mêmes types de travail. Les fintechs combinent logiciel, réglementation et risque transactionnel. La marge ne s'achète pas seulement avec des lignes de code plus efficaces ; elle nécessite contrôle et confiance.
Si Block parvient à ce que son IA absorbe le travail répétitif, la documentation, le support interne, l'analyse des tickets, des parties du développement et des tests, elle peut libérer du talent senior pour des décisions de produit et de sécurité. Si elle n'arrive pas à cette redistribution, la réduction transforme l'IA en prétexte comptable et les équipes restantes en amortisseurs d'incidents.
La thèse opérationnelle est simple et exigeante : l'IA ne peut être qu'un vernis ; elle doit devenir une structure, avec processus et limites, sinon l'entreprise échange coût humain contre coût du chaos.
La mécanique qui déterminera si Block a gagné ou simplement délabré
L'annonce de Block a une lecture sévère : la société affirme que son IA — incluant « goose » — a déjà augmenté la productivité au point de pouvoir soutenir un travail pertinent avec des équipes plus petites. Elle a aussi une lecture plus profonde : Block essaie de transformer son organisation en un système avec moins de friction, moins de couches et plus de travail “direct au produit”, car sa rentabilité n'est pas à la hauteur de l'échelle de ses bénéfices bruts.
Le succès ne sera pas mesuré par le nombre de licenciements effectués, mais par la stabilité de l'édifice après avoir retiré de la masse. Si la structure est bien conçue, cela se traduira par une amélioration des marges et une continuité dans l'innovation sans dégradation des risques opérationnels. Si elle est mal calculée, des fissures apparaîtront : plus de défaillances, plus de coûts cachés et un retour aux recrutements qui anulent les économies supposées.
Les entreprises échouent non pas par manque d'idées, mais lorsque les pièces de leur modèle — proposition, coûts, équipes et exécution — ne s'alignent pas précisément pour produire de la valeur mesurable et une trésorerie durable.
