Gusto a suivi les registres de paie réels de 1 593 petites entreprises ayant adopté l'IA et de 669 qui la connaissaient et ont choisi de ne pas l'adopter, et a constaté que les adoptantes ont augmenté leurs effectifs d'environ 7 % de plus au cours de l'année suivante (Gusto, 2026). C'est le chiffre qui a circulé comme preuve que l'IA crée des emplois. La ventilation par taille qui se trouve en dessous est le chiffre qu'un responsable des opérations devrait réellement lire : 10 % dans les entreprises d'un salarié, 11 % de deux à quatre, 11 % de cinq à neuf — et 0 % dans les entreprises de 10 à 24 salariés.
Le dividende ne décroît pas progressivement avec la taille. Il disparaît précisément au point où une entreprise commence à avoir des processus.
Ce n'est pas un argument pour dire que l'IA cesse de fonctionner au-delà de dix personnes. C'est un argument sur l'endroit où va la capacité libérée par l'IA lorsqu'aucune destination ne lui est assignée — et la réponse, cohérente sur trois jeux de données indépendants, est qu'elle part dans le processus existant et cesse d'être visible pour quiconque finance le pilote.
Ce que montrent réellement 2 262 historiques de paie
La méthode est la raison pour laquelle cette étude vaut mieux qu'une énième enquête d'adoption. Gusto a repris les répondants à sa propre enquête IA d'avril 2025, les a séparés en 1 593 adoptantes déclarées et 669 non-adoptantes informées, puis a mesuré ce que leur paie a fait — et non ce qu'elles disaient avoir fait. Le groupe de comparaison est la partie soignée : des entreprises qui connaissaient l'IA et l'ont refusée, ce qui isole le choix d'adopter au lieu de comparer des utilisatrices à des entreprises jamais exposées.
L'estimateur est une étude d'événement de Callaway et Sant'Anna, conçue pour une adoption échelonnée dans le temps, chaque entreprise étant comparée à celles qui n'ont pas encore adopté et à celles qui n'adopteront jamais, par rapport au trimestre précédant son adoption. Les trajectoires d'emploi étaient plates et parallèles avant l'adoption — le contrôle qui compte. L'effet s'est construit progressivement, d'environ 4,5 % à environ 6,8 % sur les quatre trimestres suivant l'adoption, ce qui exclut un pic d'embauche ponctuel. Les salaires n'ont montré aucun mouvement correspondant, ce qui concorde avec des entreprises qui ajoutent des personnes plutôt qu'elles ne surfent sur une hausse de rémunération.
Et les postes n'étaient pas des postes IA. Les adoptantes ont recruté des thérapeutes, des enseignants, des techniciens, des cuisiniers — ce que Gusto appelle des do-ers, des gens qui produisent davantage de ce pour quoi le client est venu. Parmi les entreprises de moins de dix salariés, la croissance des effectifs a été de 8 % dans la production de biens, 8 % dans les services à la personne, 9 % dans les services professionnels et 19 % dans les services à la collectivité, portée par de petits cabinets de santé et d'action sociale recrutant des hygiénistes dentaires et des cliniciens.
C'est un résultat net avec un mécanisme peu glamour : dans une entreprise de cinq personnes, les heures du dirigeant sont la contrainte déterminante, et ces heures passent dans la planification, l'administratif, le marketing et la recherche. L'IA absorbe cela, et les heures récupérées se convertissent en la prochaine embauche.
Le zéro est le résultat
L'explication que Gusto donne elle-même de la tranche 10-24 est la phrase la plus utile opérationnellement de l'étude. Les entreprises de cette taille, note-t-elle, « disposent déjà de l'essentiel de ces processus », et leurs gains de productivité « apparaissent probablement ailleurs que dans les effectifs, même si les salariés sont libérés pour se concentrer davantage sur leur cœur de métier » (Gusto, 2026).
Relisez-la, car c'est tout le problème pilote-budget énoncé par ceux qui détiennent les données.
À cinq salariés, aucun processus n'absorbe les heures libérées : elles remontent donc sous la forme d'une décision observable, recruter quelqu'un. À quinze, le processus existe — un système de planification, une chaîne d'approbation, une cadence de reporting, une file de travail qui s'étend jusqu'à occuper l'attention disponible. Les heures sont libérées de la même manière. Elles sont simplement réabsorbées par la structure déjà en place, et aucun tableau de bord d'adoption, aucune métrique d'usage, aucune enquête de satisfaction ne peut vous dire où elles sont passées.
Projetez cela sur 50 à 500 ETP et la structure est plus dense d'un ordre de grandeur. L'hypothèse qui repose silencieusement sous la plupart des dossiers d'investissement IA pour 2027 — que la capacité trouvera d'elle-même son meilleur usage — est exactement l'hypothèse qui a mesuré zéro à quinze salariés.
Le Danemark montre où est allée la capacité libérée
Si la capacité est réabsorbée plutôt que détruite, quelque chose doit l'absorber. La meilleure preuve de ce que c'est vient de données administratives, non de déclarations.
Humlum et Vestergaard ont relié des enquêtes d'adoption de l'IA à grande échelle aux registres administratifs du travail danois et ont estimé des effets nuls et précis sur les rémunérations et les heures enregistrées, au niveau du salarié comme de l'établissement, excluant des effets supérieurs à 2 % deux ans après le lancement de ChatGPT — et ce dans un contexte où la plupart des employeurs des professions exposées avaient lancé des initiatives de chatbot et où les salariés déclaraient des bénéfices de productivité (Humlum et Vestergaard, 2026).
Ce qui a bougé, c'est la structure du travail. Les employeurs ont absorbé l'IA par réorganisation des tâches, et les auteurs nomment explicitement les nouvelles tâches : génération de contenu, supervision de l'IA et intégration de l'IA. Les adoptants se sont aussi déplacés vers des professions mieux rémunérées où les chatbots sont plus pertinents, en nombre encore trop faible pour déplacer les rémunérations moyennes.
Voilà la destination, et ce n'est pas celle du dossier d'investissement. Le temps que l'outil rend est pour une part substantielle dépensé à superviser, vérifier et raccorder l'outil. Personne n'a écrit cette ligne au budget, personne ne la détient sur un organigramme, et parce qu'elle est répartie dans la journée de chacun par tranches de dix minutes, elle n'apparaît jamais comme un coût — seulement comme un gain de productivité qui, d'une manière ou d'une autre, ne s'est pas matérialisé.
Les gains au-delà du seuil sont réels — et ils s'achètent
Le contrepoids honnête au zéro de Gusto vient d'un panel d'entreprises bien plus large. À partir de données EIBIS-ORBIS appariées portant sur plus de 12 000 entreprises non financières de l'UE et des États-Unis, en instrumentant l'adoption européenne par les taux d'adoption des pairs américains, l'adoption de l'IA relève le niveau de productivité du travail de 4 %, par approfondissement du capital et non par substitution d'emplois, sans effet défavorable sur l'emploi au niveau de l'entreprise (BIS, 2026).
Deux détails comptent plus que le titre. D'abord, les gains « se concentrent dans les entreprises moyennes et grandes » — exactement la tranche où l'effet sur les effectifs mesuré par Gusto s'évanouit. Ensuite, l'article est explicite : ce sont les investissements complémentaires en logiciels, en données et en formation de la main-d'œuvre qui les débloquent.
Mettez les trois jeux de données sur une même ligne et le tableau est cohérent. En dessous de dix salariés, la capacité libérée se convertit d'elle-même en effectifs parce que rien ne se met en travers. Dans les entreprises moyennes et grandes, elle se convertit en productivité mesurée — mais seulement avec les compléments qui la redirigent. Entre les deux, et dans toute entreprise qui achète l'outil sans les compléments, elle se convertit en surcharge de tâches sans propriétaire.
Le dividende n'est pas mort à dix salariés. Il a cessé d'être automatique.
Les limites, dites honnêtement
Gusto est associatif, et le dit. Les entreprises choisissent si et quand adopter ; la date d'adoption est auto-déclarée ; l'échantillon est constitué de clients Gusto ayant répondu à une enquête, non d'un tirage aléatoire de petites entreprises américaines. Les auteurs indiquent clairement que les magnitudes exactes peuvent ne pas se vérifier à l'échelle de l'économie.
La tranche 5-9 porte une réserve des auteurs. Ces entreprises reculaient légèrement avant l'adoption : une partie de ces 11 % peut relever du rattrapage plutôt que d'une embauche nouvelle.
Le zéro a été mesuré entre 10 et 24 salariés, pas à 200. Rien dans ce jeu de données n'observe une organisation de 300 personnes. Ce qui se transpose vers le haut, c'est le mécanisme — le processus absorbe la capacité non assignée — pas l'estimation ponctuelle. Quiconque cite « 0 % au-delà de dix salariés » comme un résultat sur le mid-market l'a surinterprété, y compris quiconque cite cet article.
Le Danemark est précoce, spécifique aux chatbots, et porte sur des moyennes. Un nul précis sur les rémunérations et heures moyennes n'est pas un nul sur un poste particulier, et la fenêtre couvre les deux premières années d'une technologie à usage général.
L'estimation de la BIS identifie l'exposition, pas votre déploiement. Instrumenter par les taux d'adoption des pairs américains achète une variation causale propre au prix de mesurer l'effet moyen d'être adoptant, non l'effet de la qualité de votre mise en œuvre.
Ce qu'un Head of Operations doit faire avant que le prochain pilote soit financé
Quatre mouvements, et aucun n'est une décision d'outillage.
1. Écrivez la destination des heures avant d'approuver la dépense. Une phrase, dans l'approbation : la capacité libérée va vers ce livrable, détenu par cette personne, mesuré de cette façon, à cette date. Si la seule réponse disponible est « l'équipe sera plus productive », vous venez de financer la condition du 0 % — une heure libérée sur laquelle personne n'a de droit nommé est réabsorbée par le processus déjà en place.
2. Budgétez le travail de supervision et d'intégration comme du travail. Les données danoises indiquent que les nouvelles tâches sont la supervision, la vérification et le raccordement. Chiffrez-les dans le dossier comme un coût nommé imputé à un rôle nommé, sinon elles seront payées avec la capacité même que le pilote devait libérer.
3. Changez la variable dépendante que vous reportez. À votre taille, les effectifs sont la mauvaise lecture et l'usage est une métrique de vanité. Choisissez quelque chose que le processus ne peut absorber en silence : le temps de cycle d'un flux précis, la file d'attente résorbée, la production par ETP dans une fonction. Instrumentez-le avant le démarrage du pilote, car une référence reconstruite après coup est un récit.
4. Donnez à la supervision un nom, pas un débordement. Si le travail de vérification disparaît, c'est qu'il n'a pas de poste. Un déploiement gouverné le rend structurel : le modèle Digital Employee de Scovai est confirm-first par défaut — toute action visible de l'extérieur devient une demande d'approbation portant un nom humain, l'autonomie se gagne par type d'action à partir d'un registre tracé, et le silence ne vaut jamais consentement. Quelle que soit la stack retenue, le test est le même : pouvez-vous désigner la personne qui détient la file d'approbation, et pouvez-vous voir ce qu'elle lui a coûté ?
Les trois jeux de données divergent sur les magnitudes et convergent sur le mécanisme. La capacité libérée par l'IA que personne n'a revendiquée n'est pas économisée. Elle est dépensée en silence, à l'intérieur de la structure que vous avez déjà, sur un travail que personne n'a décidé de faire.
Prenez donc un pilote IA déjà en cours dans votre organisation et essayez de terminer la phrase du mouvement un. Si vous ne pouvez nommer la destination, le propriétaire, la mesure et la date ce trimestre, vous n'avez pas un programme de productivité. Vous avez une réaffectation que vous ne regardez pas.
