Bottom Line. Klarna a réduit de 40 % son coût par transaction grâce à l’IA. Puis a annoncé le rehiring de 1 000 agents humains en 2026. Ces deux faits ne se contredisent pas — ils illustrent la dynamique réelle de l’IA sur le travail : pas une substitution, mais une restructuration qui crée simultanément des gains d’efficacité et de nouveaux besoins. Gartner prévoit que 50 % des organisations qui ont automatisé des fonctions via l’IA procéderont à des embauches dans les mêmes fonctions d’ici 2027.
La phase 1 : l’automatisation
Klarna est l’un des cas d’automatisation IA les plus documentés du secteur financier européen. La fintech suédoise a déployé son agent IA de support client (propulsé par OpenAI) en 2024, avec des résultats mesurés et publiés :
- -40 % de coût par transaction sur le support client automatisé
- Traitement de volumes d’interactions significativement supérieurs sans augmentation des effectifs
- Réduction du temps de résolution moyen
- Score de satisfaction client maintenu
Ce déploiement a été présenté — et largement médiatisé — comme une illustration de la menace IA sur l’emploi dans les centres de contact.
La phase 2 : le rehiring
En 2026, Klarna a annoncé le rehiring de 1 000 agents humains.
Cette décision n’est pas un aveu d’échec de l’automatisation. Elle reflète 3 dynamiques simultanées :
1. L’expansion des volumes. L’automatisation a rendu le service client moins cher — ce qui a permis à Klarna d’offrir un service sur des canaux et pour des segments de clients qui n’étaient pas économiquement viables avant. Plus de volume total = besoin de plus d’agents humains sur les cas complexes.
2. La qualité sur les cas critiques. Les agents IA excellent sur les cas standards. Les cas complexes — litiges, situations émotionnellement sensibles, problèmes multi-facteurs — nécessitent un niveau de jugement humain que les agents actuels n’atteignent pas de manière fiable.
3. La réglementation. Dans les services financiers, certaines interactions requièrent une supervision humaine — obligation réglementaire indépendante des capacités techniques de l’IA.
Le modèle Tiered L0-L3 — répartition optimale du volume
L'agrégat optimal : 65-70 % d'autonomie IA, 30-35 % d'intervention humaine. Le ROI est négatif sur le L3 si on l'automatise.
Le modèle Tiered L0-L3
| Niveau | Traitement | Acteur |
|---|---|---|
| L0 | FAQ, informations simples, statut de commande | Agent IA entièrement autonome |
| L1 | Requêtes structurées avec variations | Agent IA + validation légère |
| L2 | Cas complexes, exceptions, litiges standards | Agent IA + supervision humaine |
| L3 | Cas critiques, émotionnels, réglementaires | Agent humain assisté par IA |
Source : klarna-effect-hybride · Observatoire IA Brain
L’effet net : le L0 est entièrement automatisé (ce qui libère les agents humains), et la demande de L3 augmente (parce que les clients dont le cas a été escaladé arrivent avec des attentes plus élevées). Le volume d’agents humains change moins qu’on ne le pensait — leur rôle change profondément.
La prévision Gartner à 50 %
Le cas Klarna n’est pas une anomalie. Gartner prévoit que 50 % des organisations qui ont réduit leurs effectifs via l’automatisation IA procéderont à des embauches dans les mêmes fonctions d’ici 2027.
Ce chiffre n’invalide pas les gains d’efficacité — il les contextualise. L’automatisation ne supprime pas les fonctions ; elle les restructure. Les tâches répétitives et structurées sont automatisées. Les tâches complexes, relationnelles et réglementaires sont augmentées ou créées.
Les implications pour les DSI et Head of AI
1. Modéliser l’effet d’expansion de la demande. L’automatisation rend le service moins cher → la demande augmente → le volume total peut dépasser les gains d’efficacité par transaction. Ce mécanisme (paradoxe de Jevons appliqué au travail) doit être intégré dans le business case.
2. Ne pas négliger les coûts de restructuration. Le passage d’une équipe de support humain à un modèle tiered L0-L3 implique des coûts de formation, de réorganisation et de gestion du changement souvent absents des projections initiales.
3. Anticiper le profil des agents humains résiduels. Les agents qui survivent à l’automatisation sont ceux qui gèrent les cas les plus complexes. Leur niveau de compétence requis augmente — ce qui implique des programmes de formation et une revalorisation salariale.
Implication stratégique : L’effet Klarna est le meilleur antidote au discours binaire sur l’IA et l’emploi. L’automatisation ne supprime pas le travail — elle le restructure. Les organisations qui planifient uniquement les gains d’efficacité de l’automatisation sous-estiment les coûts de restructuration et les besoins en compétences nouvelles. Le business case réaliste intègre les deux.