Les six plus grandes banques américaines ont publié 47,3 milliards de dollars de bénéfice net au premier trimestre 2026. Au même moment, elles ont supprimé près de 5 000 postes nets. Ces deux chiffres cohabitent dans la même équation, et cette équation s'écrit de plus en plus en code.

Le fait : un trimestre record, des effectifs en retrait

Selon Bloomberg, les résultats du premier trimestre publiés à la mi-avril confirment un double mouvement. Wall Street signe un trimestre exceptionnel en profit pendant que ses effectifs reculent à une vitesse qu'on n'avait pas vue depuis 2023. La ventilation est nette : Wells Fargo a réduit ses effectifs d'environ 4 200 postes, Citigroup et Bank of America de plus de 1 000 chacun, tandis que JPMorgan Chase et Morgan Stanley continuent à embaucher. Net de ces flux, les grandes banques américaines ont perdu près de 5 000 postes en trois mois, contre 707 sur le même trimestre un an plus tôt ; soit sept fois plus de suppressions pour un compte de résultat nettement meilleur.

Les dirigeants n'affichent pas d'étiquette « AI layoffs », mais leur discours y conduit. Charlie Scharf, patron de Wells Fargo, revendique 23 trimestres consécutifs de réduction d'effectifs tout en « augmentant les investissements technologiques, notamment en IA ». Brian Moynihan, à la tête de Bank of America, parle de « bénéfices réels dès aujourd'hui » tirés de l'IA. De l'autre côté de l'Atlantique, BNP Paribas a acté en janvier environ 1 200 suppressions liées à l'intégration d'Axa Investment Managers, et Société Générale confirmait 900 départs à son siège parisien. Une étude de Morgan Stanley relayée par le Financial Times projette 200 000 postes bancaires en moins en Europe d'ici 2030, avec des gains d'efficience « allant jusqu'à 30 % » attribués à l'IA et à la numérisation, concentrés sur les fonctions centrales, le back-office, le risque et la conformité.

L'IA n'est plus une option de ligne budgétaire

Pendant deux ans, le discours des banques sur l'IA ressemblait à une succession d'annonces de pilotes. En 2026, le ton change. Wells Fargo aligne 23 trimestres consécutifs de baisse d'effectifs, soit près de six années sans compensation d'embauche. Quand la même direction gonfle la ligne « technologie et IA », elle dit mécaniquement la chose suivante : une partie des heures humaines sorties du bilan n'y rentrera plus par l'autre porte. Ce n'est ni idéologique, ni prévisionnel ; c'est une arithmétique de P&L qui a basculé de la promesse d'industrie au poste de coûts visible.

Le cas européen finit de caler l'image. Les emplois visés, selon Morgan Stanley, sont ceux qu'un LLM branché sur les bases internes traite le mieux : extraction de données, rédaction de notes, contrôles de premier niveau, synthèse réglementaire. C'est précisément la surface qu'attaque Anthropic avec Claude for Financial Services, qui se connecte désormais à Databricks et Snowflake pour unifier flux de marché et données internes. Le récit commercial côté éditeurs est devenu beaucoup plus précis depuis un an : on ne vend plus « un assistant », on vend un remplacement partiel de chaînes de production documentaire.

Un arbitrage capital-travail en temps réel

La lecture classique des résultats bancaires oppose le cycle de taux et les volumes de marché. Ce premier opposant reste puissant : la BCE publiera sa prochaine décision le 30 avril 2026, avec un refi encore à 2,15 % et des débats internes sur une possible hausse en juin, scénario que CNBC rapportait le 16 avril. Mais un troisième moteur gagne en poids : le coefficient d'exploitation tiré vers le bas par le logiciel. Si la fourchette Morgan Stanley se confirme, 30 % de coûts d'exploitation évités dans la banque de détail et les fonctions centrales équivalent à 30 % de capacité supplémentaire en dividendes, en rachats d'actions ou en réserve prudentielle. La décision change d'échelle.

Cet arbitrage devient structurel. Un dollar investi dans un pipeline IA ne se compare plus à une promesse de ROI à cinq ans ; il se compare, ligne par ligne, à un dollar de salaire qui tombe tous les mois. Le différentiel fait pencher la balance. Côté superviseur, c'est également un signal : la Banque de France et l'EBA cartographient déjà ces scénarios, et l'AI Act exige à partir d'août 2026 un régime renforcé pour les systèmes d'IA « à haut risque », dont le scoring crédit et la tarification d'assurance. Les fonctions de risque et de conformité amputées par les coupes devront dans le même temps intégrer un nouveau référentiel réglementaire sur les modèles déployés : moins d'équivalents temps plein, plus de contrôles, appuyés sur des outils plus lourds à opérer.

Ce que le Q1 dit réellement

Le Q1 2026 n'est donc pas un trimestre de routine. C'est un trimestre de bascule. Les dirigeants ne titrent pas « AI layoffs » parce que la formule déclencherait une onde politique et syndicale ; mais la structure du reporting le dit à leur place. La règle ancienne, selon laquelle des profits en hausse entraînent des embauches, ne tient plus au même endroit de la courbe. Les autorités monétaires et prudentielles devront se prononcer sur les implications de cette discontinuité. Les fonctions de contrôle décapitalisées peuvent-elles encore couvrir un choc opérationnel ou un choc de modèle ? Les régulateurs réunis aux spring meetings du FMI et de la Banque mondiale entre le 13 et le 18 avril ont déjà placé l'IA dans la liste des risques systémiques à surveiller ; l'Irish Times rapportait le 17 avril que ces discussions ont été dominées par la capacité des derniers modèles à constituer un enjeu prudentiel propre.

Autre implication, plus cyclique : la dynamique de compression de coûts se brouille. Un trimestre de mauvais marché pouvait, auparavant, absorber une partie du choc côté résultats via une réduction des coûts humains, en escomptant un rebond ultérieur. Quand une part majeure de cette variable d'ajustement est déjà passée dans les fonctions automatisables, la banque dispose de moins de levier pour le prochain trou d'air ; la prochaine compression ira alors chercher des fonctions cœur ou des lignes métier entières. L'élasticité du modèle se déplace, et avec elle la façon dont un conseil d'administration doit lire un « bon » trimestre.

Ce que ça change pour mon quotidien

Je rejoins à l'automne l'AFD comme apprenti en ALM, après avoir été admis au MSc Data & AI for Finance d'Albert School x Mines Paris-PSL. Cette trajectoire croise le sujet de manière directe. La gestion actif-passif consomme, par nature, beaucoup de données, beaucoup de scénarios de taux et beaucoup de reporting. C'est typiquement une fonction qui peut être accélérée par un LLM bien paramétré. J'en fais l'expérience sur mon Bloomberg Dashboard personnel, où j'utilise Claude pour extraire et commenter des séries macro avant de les croiser avec mes propres notes et mes scripts Python.

Ce n'est pas une substitution, c'est un démultiplicateur : le collaborateur ALM de 2026 ne sera pas remplacé par un modèle, il sera évalué sur ce qu'il produit avec lui. Les banques qui suppriment des postes aujourd'hui cherchent sans doute à accéder plus vite à ce second étage. Côté étudiant ou candidat, la question utile n'est plus « l'IA va-t-elle prendre mon poste » mais « sur quelle partie du bilan puis-je faire davantage avec l'IA que sans elle, et sous quelles contraintes prudentielles ». C'est très précisément la grammaire que le MSc Data & AI for Finance cherche à transmettre, et c'est la grammaire que l'alternance ALM à l'AFD va me forcer à poser sur des vrais portefeuilles.

Take-away

Un bénéfice record et 5 000 postes en moins sur la même page du rapport trimestriel : voilà la nouvelle grammaire des grandes banques. Il reste à savoir combien de trimestres il faudra avant qu'un régulateur, un syndicat ou un conseil d'administration pose publiquement la question interdite : quelle part de ces profits est réellement produite par l'IA, et qui en reçoit la part ?