Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Meta accusé d'utiliser l'IA pour licencier des employés protégés
Vingt-six anciens employés de Meta ont récemment déposé une plainte contre l'entreprise, affirmant que son processus de licenciement a été largement influencé par l'intelligence artificielle, en violation des lois protégeant les travailleurs. Il y a deux mois, Meta a procédé à une réduction de 10 % de ses effectifs, soit environ 8 000 personnes, dans le cadre de sa transition vers une "entreprise axée sur l'IA".
La plainte, déposée dans un tribunal de district des États-Unis à Oakland, Californie, allègue que Meta a utilisé des outils algorithmiques et d'intelligence artificielle pour surveiller des "métriques de productivité" spécifiques. Les employés jugés moins performants ont été identifiés comme des cibles probables pour les licenciements. Cependant, parmi ces employés, beaucoup avaient des aménagements approuvés ou avaient pris des congés légalement protégés pour des raisons de grossesse, de santé ou de deuil au cours des deux dernières années.
Selon la plainte, "Meta n'a pas constitué la liste des licenciements par le jugement réfléchi de managers qui connaissaient le travail". Au lieu de cela, l'entreprise aurait utilisé une série de systèmes internes d'IA pour évaluer, classer et sélectionner les employés à licencier. Ce processus aurait conduit à une sélection disproportionnée d'employés ayant pris des congés protégés.
Les lois de protection des employés
En Californie, les lois de protection des employés, telles que l'Americans with Disabilities Act et le Family and Medical Leave Act, interdisent aux employeurs de prendre des mesures de représailles contre les employés nécessitant des aménagements pour un handicap ou utilisant un congé protégé. La plainte affirme que Meta a utilisé des systèmes technologiques et d'IA pour surveiller et sélectionner les employés à licencier, incluant "Metamate", un assistant IA interne, ainsi que des agents formés à partir des communications numériques des employés. Les scores de productivité algorithmiques, basés sur les journaux de frappe, l'historique de navigation et le contenu des écrans des employés, auraient également été utilisés. Les plaignants soutiennent que l'utilisation de jetons IA, surveillée dans un classement interne, a été un facteur déterminant.
Impact des systèmes de surveillance
Les anciens employés affirment que leurs scores de productivité ont été dévalués car ils ne généraient pas suffisamment de données pour les systèmes de surveillance internes de Meta. Cela aurait augmenté la probabilité que l'IA les signale à la direction pour des licenciements, malgré des évaluations de performance jugées moyennes ou supérieures à la moyenne par leurs managers.
La plainte indique que "de nombreux autres employés ont remarqué que leurs propres scores avaient chuté de manière spectaculaire à leur retour de vacances et de congés protégés", et qu'il n'y avait eu aucun effort de la part de Meta pour "mettre en pause" le score d'une personne lorsqu'elle était absente pour des raisons justifiées et légalement protégées.
Un porte-parole de Meta a déclaré à CNET que ces allégations "ne sont pas fondées sur des faits" et a insisté sur le fait que "les personnes, et non l'IA", sont responsables des décisions concernant la main-d'œuvre et l'organisation.
Répercussions et biais institutionnels
Cette affaire met en lumière le rôle croissant de l'IA dans les décisions managériales, telles que le recrutement, les évaluations de performance et les licenciements. Cependant, les systèmes basés sur l'IA et algorithmiques ont souvent reproduit des biais institutionnels contre les travailleurs handicapés et les minorités. Une étude récente de l'Université de Harvard a révélé des disparités raciales significatives dans les logiciels de sélection des candidats à l'emploi, entraînant une recommandation réduite des candidats noirs et asiatiques pour des entretiens, par exemple.
