GM a mis à pied environ 600 employés salariés en TI cette semaine — plus de 10 % de son département TI — dans ce que la compagnie décrit comme une transformation vers « le développement IA-natif, l'ingénierie de données et l'analytique, l'ingénierie cloud, et le développement d'agents et de modèles ainsi que le prompt engineering et les nouveaux workflows IA ». C'est la deuxième purge du genre en 18 mois ; environ 1 000 développeurs avaient été coupés en août 2024. Pour quiconque surveille le déplacement IA col-blanc passer du point de discussion à la restructuration structurelle réelle, GM est l'une des études de cas à grande échelle les plus claires à date.

Les changements nets d'effectifs n'ont pas été publiés avec l'annonce — GM dit embaucher des spécialistes IA mais n'a pas divulgué combien ni si l'embauche de remplacement correspond à ce qui a été coupé. Le cadrage est « reconstruire délibérément l'effectif à partir de la base » plutôt que retraining du personnel existant, ce qui dit quelque chose de spécifique sur ce que la compagnie croit que le personnel TI existant peut apprendre. Le nouveau leadership confirme la direction : Sterling Anderson comme Chief Product Officer, Behrad Toghi comme lead IA, Rashed Haq comme VP véhicules autonomes. Les compétences embauchées sont sur le stack avant — dev d'agents, prompt engineering, dev de modèles, workflows IA — pas les rôles de maintenance et d'infrastructure coupés. La plupart des profils de compétences TI legacy (helpdesk, opérations mainframe, équipes app .NET/Java, customisations SAP, maintenance d'outillage interne) vieillissent en legacy plus vite que les compagnies les rafraîchissent, et l'outillage IA accélère ce vieillissement. Le cadrage de GM comme positionnement futur plutôt que réduction de coût est supporté par le pattern de nouveau leadership, bien que les annonces de licenciement corporatives disent toujours ça.

Le déplacement IA col-blanc « arrive » depuis deux ans dans le narratif, mais les mouvements structurels réels à l'échelle Fortune 500 ont pris du retard sur la rhétorique. GM à 600 + 1 000 coupes est un vrai mouvement, et l'un des plus grands exemples du secteur auto. Stripe, Klarna, Salesforce, Dropbox, Meta ont tous fait des restructures similaires de différentes envergures. Le pattern émergent : les compagnies ne réduisent pas l'effectif ingénierie de manière transversale — elles le reshape. La couche TI legacy (maintenance système, opérations infrastructure, gestion d'apps) se contracte ; la couche IA/agent (sélection de modèle, design de prompt, orchestration d'agent, harnais d'évaluation) grandit. Pour les constructeurs spécifiquement, la fenêtre d'arbitrage de compétences est réelle mais étroite — « IA-natif » signifie savoir ce qui marche en production maintenant, pas avoir lu les papiers. Pour tous les autres : ce n'est pas « l'IA remplace tous les emplois » — c'est « l'IA change quels emplois d'ingénierie existent », avec une pression de timing concrète sur les gens dans la colonne legacy.

GM est l'étude de cas la plus visible du pattern dans l'auto en partie parce que la compagnie est assez grande pour être mesurable, et en partie parce que l'automobile est l'une des industries TI legacy les plus profondes — des décennies de systèmes de chaîne d'approvisionnement, réseaux de concessionnaires, systèmes de financement, customisations ERP empilées les unes sur les autres. Si la transformation de GM marche, attendez-vous à des mouvements similaires chez Ford, Stellantis, Toyota, et les fournisseurs Tier 1 (Bosch, Continental, ZF) sur les 18 prochains mois. Si elle trébuche — ce que les transformations corporatives font souvent — les symptômes à surveiller sont les pannes de systèmes de production, les défaillances TI de réseau de concessionnaires, les retards de véhicules définis par logiciel. Le signal qui compte vraiment n'est pas la prochaine annonce de licenciement, c'est si la vélocité de produit de GM en véhicules définis par logiciel s'améliore ou empire dans 12 mois. Les restructures d'effectif paraissent réussies dans les communiqués le jour même ; elles paraissent réussies dans les cycles de livraison de produit 12-18 mois plus tard, ou pas du tout.