Étude mondiale sur l’impact de l’IA de codage sur l’offshorisation du développement logiciel : Analyse stratégique et perspectives (2026-2035)

L’accélération technologique et la mutation des flux de travail en 2026

L’année 2026 marque un tournant historique dans l’ingénierie logicielle globale, caractérisé par le passage d’une assistance au codage de nature incrémentale à une autonomie décisionnelle portée par des systèmes multi-agents et des outils de pointe tels que Claude Code, Cursor et GitHub Copilot.1 Une étude indépendante menée en mars 2026 par le cabinet de recherche UserEvidence auprès de 831 ingénieurs en logiciel et professionnels DevOps révèle que quatre-vingt-dix-sept pour cent des équipes de développement ont activement intégré ces assistants de programmation dans leur quotidien.1 Cette adoption massive est dominée par GitHub Copilot, utilisé par quatre-vingt-trois pour cent des équipes, suivi de près par Claude Code avec soixante-trois pour cent d’utilisateurs actifs.1 Cependant, cette prolifération technologique devance largement les cadres de contrôle des entreprises : seuls trente pour cent des équipes disposent d’une gouvernance structurée et formalisée de l’usage de ces outils, ce qui limite la capitalisation des gains de productivité et expose les organisations à d’importants risques opérationnels et de sécurité.1

L’accélération phénoménale de la performance des modèles de langage sous-jacents, en particulier ceux conçus par Anthropic, redéfinit l’économie du temps de développement.4 En mars 2024, le modèle Claude 3 Opus parvenait à exécuter de manière autonome des tâches logicielles équivalentes à environ quatre minutes de travail humain.4 En 2025, Claude 3.7 Sonnet élevait cette capacité à une heure et demie, tandis qu’en avril 2026, Claude 4.6 Opus maîtrisait des tâches complexes s’étendant sur une durée équivalente à douze heures de travail humain ininterrompu.4 Dans le domaine précis de l’optimisation de code, le modèle expérimental Claude Mythos Preview a démontré des performances surhumaines en mai 2026, réalisant des gains de vitesse d’exécution allant jusqu’à un facteur de cinquante-deux sur du code d’entraînement de modèles d’intelligence artificielle, là où un chercheur humain hautement qualifié nécessite quatre à huit heures pour atteindre un facteur d’optimisation de quatre.4 Le volume d’activité logiciel capté par l’IA est désormais quantifiable, celle-ci générant en moyenne quarante-six pour cent du code au sein des fichiers où elle est active, un chiffre qui grimpe à soixante et un pour cent pour les applications structurées en langage Java.5

Cette surproduction de code automatisé engendre néanmoins des goulots d’étranglement majeurs en aval du cycle de développement, quatre-vingt-dix pour cent des équipes signalant des frictions récurrentes après la génération du code.1 Ces difficultés se concentrent principalement sur les phases de revue de code manuelle pour cinquante-deux pour cent des ingénieurs, sur les tests de sécurité pour cinquante et un pour cent d’entre eux, et sur la nécessité de réécrire ou de corriger les lignes produites par l’IA pour quarante-huit pour cent des développeurs.1 Ce phénomène s’explique par un décalage de qualité technique : alors que l’exactitude de l’IA atteint quatre-vingt-douze pour cent sur les benchmarks standardisés de génération de tests, elle s’effondre à quarante et un pour cent face à des cas d’usage industriels réels, créant un « paradoxe des tests » où l’importance de la validation humaine s’accentue à mesure que la fiabilité des outils faiblit.2

De surcroît, le code généré par l’IA affiche un taux de vulnérabilité 2,74 fois supérieur à celui rédigé par des développeurs humains, quarante-cinq pour cent des bases de code automatisées échouant aux tests de sécurité OWASP Top 10 et présentant une hausse de trois cent vingt-deux pour cent des chemins d’escalade de privilèges non sécurisés.5 À long terme, l’assemblage non supervisé de ces composants génère une « dette de compréhension » (comprehension debt), où les ingénieurs orchestrent des systèmes dont ils ne maîtrisent plus les détails de fonctionnement, posant des risques sévères pour la maintenance et la pérennité des infrastructures critiques.2

L’arbitrage de la réinternalisation : Analyses de cas aux États-Unis et en France

La dynamique de réinternalisation et le phénomène « SaaSocalypse » aux États-Unis

La réduction drastique du coût marginal de production de code et la capacité d’automatiser des flux transactionnels complexes modifient profondément l’arbitrage économique traditionnel entre l’achat de solutions prêtes à l’emploi et le développement sur mesure en interne.6 Ce basculement a donné naissance au concept de « SaaSocalypse » au cours du premier trimestre 2026, matérialisé par une chute de vingt-cinq pour cent de l’indice boursier S&P Software & Services.6 Cette correction financière majeure traduit l’anticipation par les marchés d’un mouvement de réinternalisation (insourcing) massif : grâce aux agents d’IA de codage autonomes, les entreprises clientes estiment pouvoir concevoir et maintenir en interne, pour une fraction de leur coût historique, des applications logicielles de commodité auparavant acquises sous forme d’abonnements SaaS auprès de tiers.6

Ce processus de réinternalisation se traduit par une contraction du volume de licences logicielles achetées et une baisse de la demande pour les services d’externalisation traditionnels, au profit de l’expansion d’équipes d’ingénierie internes hautement spécialisées.7 L’exemple de la société technologique immobilière américaine Opendoor illustre de manière spectaculaire cette mutation macroéconomique.8 En juin 2026, dans le cadre du lancement de sa stratégie opérationnelle « Opendoor 2.0 », l’entreprise a officialisé le démantèlement complet de sa filiale de développement et de traitement de données en Inde, entraînant le licenciement immédiat de ses deux cent cinquante ingénieurs et analystes basés à Chennai, Hyderabad et Bengaluru.9

La direction d’Opendoor a justifié cette fermeture non pas par un manque de performance des équipes indiennes, mais par une reconfiguration architecturale : l’unification de ses systèmes d’information combinée à l’usage d’outils d’IA générative a permis de remplacer des flux de travail manuels auparavant exécutés de manière fragmentée en offshore par de petites équipes IA-natives basées aux États-Unis, positionnées à proximité immédiate de son marché intérieur.9 Cette restructuration démontre que la délocalisation de tâches de maintenance et d’exploitation de données perd sa justification économique lorsque des agents intelligents centralisés éliminent la nécessité de recourir à une main-d’œuvre offshore de coordination.10

L’impératif de maîtrise technologique : L’exemple de Toyota

Au-delà de l’optimisation financière directe, la réinternalisation logicielle s’impose comme un impératif stratégique de souveraineté opérationnelle pour les grandes industries.13 Pendant plusieurs décennies, de nombreuses entreprises ont traité la technologie comme une fonction de support secondaire, déléguant le développement logiciel à un réseau complexe de sous-traitants et de fournisseurs offshore, ce qui a fini par créer une dépendance critique et un ralentissement des cycles d’innovation.13 L’avènement de l’IA exige désormais une maîtrise directe de la couche technologique pour préserver la réactivité de l’entreprise face au marché.13

La transition décennale opérée par le constructeur automobile japonais Toyota constitue un modèle méthodologique d’insourcing de compétences critiques.13 Après avoir historiquement délégué la conception de ses systèmes multimédias connectés et de ses infrastructures de données de véhicules à des fournisseurs d’ingénierie tiers de premier niveau — ce qui générait de longs cycles de contractualisation et d’importants goulots d’étranglement opérationnels — Toyota a choisi d’internaliser la totalité du développement logiciel lié à l’expérience utilisateur.13

Cette démarche a culminé avec le déploiement du système Toyota Audio Multimedia, installé à l’échelle mondiale sur le modèle RAV4 de 2026.13 Contrairement aux pratiques antérieures où le constructeur concevait l’ergonomie théorique avant de transmettre des milliers de captures d’écran conceptuelles à des prestataires externes chargés de rédiger le code, Toyota détient et gère désormais la propriété absolue de l’intégralité du code source de cette plateforme embarquée.13 Cette autonomie permet au constructeur d’itérer, de corriger et de déployer des mises à jour logicielles en continu, transformant son ingénierie interne en un levier d’agilité concurrentielle immédiat.13

La souveraineté et le rôle incitatif des politiques publiques en France

En France, la dynamique de réinternalisation logicielle et d’appropriation technologique est fortement stimulée par une volonté de préservation de la souveraineté numérique, soutenue par un arsenal de financements publics massifs.14 Bpifrance s’est positionné au cœur de cette stratégie nationale en mobilisant une enveloppe globale de dix milliards d’euros d’ici 2029.15 Ces capitaux sont déployés à la fois pour soutenir les levées de fonds d’acteurs de premier plan de l’IA souveraine basés sur le territoire national (tels que Mistral AI, Poolside ou la société H) et pour accompagner l’intégration d’outils d’IA générative au sein des entreprises traditionnelles à travers des dispositifs régionaux et nationaux.15

Pour inciter les petites et moyennes entreprises (PME) ainsi que les entreprises de taille intermédiaire (ETI) françaises à internaliser leurs compétences numériques plutôt qu’à les sous-traiter en offshore, l’État a structuré le programme national « IA Booster France 2030 ».14 Ce programme d’accompagnement individuel, dont le coût est subventionné à hauteur de cinquante pour cent par des fonds publics, s’articule autour de prestations de conseil et d’ingénierie de données conçues pour autonomiser les équipes internes des entreprises bénéficiaires.14

Ce dispositif étatique vise à briser la dépendance des entreprises françaises envers les prestataires informatiques externes en formant directement les cadres et les ingénieurs locaux aux technologies d’IA générative, favorisant le maintien de la valeur ajoutée sur le territoire national.14

L’onde de choc sur les pôles offshore et nearshore mondiaux

La crise structurelle du modèle traditionnel en Inde

La montée en puissance des agents de codage autonomes ébranle de manière critique les fondements microéconomiques de l’industrie technologique en Inde, un marché de l’externalisation de services informatiques pesant deux cent cinquante milliards de dollars.18 Depuis trois décennies, le modèle de croissance des géants indiens du secteur (tels que Tata Consultancy Services, Infosys et Wipro) reposait sur une corrélation linéaire stricte : l’augmentation des volumes de contrats nécessitait le recrutement proportionnel d’ingénieurs à bas coût, formant une structure d’équipe fortement pyramidale.19 L’automatisation logicielle brise ce paradigme en permettant de délivrer des projets d’envergure avec des équipes extrêmement resserrées, déconnectant ainsi la croissance des revenus de celle des effectifs.19

Le 3 juin 2026, les marchés financiers ont pris la mesure de cette rupture en infligeant une sanction boursière historique au secteur technologique indien : l’indice IT de la bourse indienne a chuté de 5,8 % en une seule séance, marqué par un plongeon de 9 % pour TCS, de 4,3 % pour Infosys et de 3,7 % pour Wipro.19 Depuis le début de l’année 2026, l’IT Index indien enregistre une baisse cumulée de vingt-deux pour cent, faisant suite à un recul de vingt-six pour cent sur l’ensemble de l’année 2025.19 Les analystes financiers estiment qu’entre quarante et soixante pour cent du chiffre d’affaires de ces entreprises repose sur des prestations de développement et de maintenance de faible complexité technique, directement substituables par des agents autonomes ou exposées à de violentes révisions tarifaires à la baisse de la part des clients occidentaux.19

Cette crise de l’externalisation de masse se traduit par une baisse historique du nombre de collaborateurs actifs au sein des entreprises indiennes de services du numérique 19 :

• TCS : Contraction nette de ses effectifs de plus de 23 000 salariés au cours de l’exercice fiscal clos en mars 2026, ramenant sa force de travail totale à environ 584 000 employés.19
• Infosys : Diminution nette de son personnel d’environ 15 000 collaborateurs sur la même période pour s’établir à 309 000 salariés.19

Cette diminution de la demande d’ingénierie de base bloque les canaux d’insertion professionnelle des jeunes diplômés indiens.19 En juin 2026, le nombre d’offres d’emploi technologiques actives en Inde est tombé à quatre-vingt-treize mille, son plus bas niveau depuis vingt-huit mois.19

Les postes ouverts destinés aux profils disposant de moins de deux ans d’expérience ont enregistré un effondrement de quarante-quatre pour cent d’une année sur l’autre, alors même que plus de 1,5 million de diplômés en informatique entrent chaque année sur le marché du travail indien, accentuant de fait le chômage des jeunes diplômés universitaires qui atteint désormais un taux critique de 29,1 %.19

La reconfiguration du nearshore et les plans de restructuration en Europe

Les pressions économiques générées par l’IA de codage contraignent également les leaders européens des services du numérique à restructurer en profondeur leur modèle de livraison et leur répartition géographique.17 Le cas de Capgemini illustre parfaitement cette dynamique de réorganisation. Le 19 janvier 2026, le groupe a officialisé l’élimination de deux mille quatre cents postes en France, représentant sept pour cent de ses effectifs nationaux, dans le but d’adapter sa structure de coûts et d’accélérer sa transformation vers un modèle opérationnel centré sur l’intelligence artificielle.17

Bien que cette réduction d’effectifs soit menée sans licenciements secs grâce à des dispositifs de rupture conventionnelle collective, de départs volontaires et de requalification professionnelle, elle souligne la fragilité des compétences d’ingénierie traditionnelle sur le sol européen.17

Dans ce contexte de forte pression sur les marges tarifaires, Capgemini n’abandonne pas l’externalisation, mais réorganise son outil de production industrielle en consolidant son empreinte géographique au sein de hubs régionaux stratégiques de nearshoring, particulièrement en Afrique du Nord et au Maghreb.17 Le Maroc s’est ainsi imposé comme un pôle de consolidation technologique majeur pour le groupe, qui emploie plus de trois mille spécialistes hautement qualifiés à Casablanca.17

Ces ingénieurs marocains interviennent sur des projets complexes d’IA générative et de cybersécurité pour le compte de clients européens majeurs, à des coûts de structure quatre à cinq fois inférieurs à ceux pratiqués en Europe.17 Cette dynamique montre que l’impact de l’IA n’induit pas un rapatriement simple et intégral de l’activité de développement en interne, mais plutôt une polarisation géographique : les tâches de faible technicité sont automatisées en interne par les entreprises clientes, tandis que les projets d’intégration complexes de grande envergure sont confiés à des centres de nearshore consolidés et hautement qualifiés.12

La mutation structurelle de Cognizant : Le passage de la pyramide au diamant

La restructuration de l’entreprise Cognizant en 2026 illustre de manière spectaculaire la réorganisation industrielle visant à briser le modèle traditionnel de livraison logicielle.20 Au cours du deuxième trimestre 2026, la direction du groupe, dirigée par son PDG Ravi Kumar S, a dévoilé le plan de transformation stratégique « Project Leap ».20 Ce programme de restructuration, doté d’un budget compris entre 230 millions et 320 millions de dollars (dont 200 à 270 millions de dollars spécifiquement provisionnés pour le versement d’indemnités de départ et de coûts de reconversion de personnel), vise à dégager des économies de l’ordre de 200 à 300 millions de dollars sur la seule année 2026.20

L’analyse opérationnelle de « Project Leap » révèle une modification profonde de la pyramide d’ingénierie de l’entreprise au profit d’une structure en diamant.20 L’initiative cible l’élimination de quatre mille postes d’encadrement intermédiaire et de gestion de projets techniques traditionnels, principalement localisés en Inde.20

Simultanément, Cognizant a annoncé le recrutement de plus de vingt mille jeunes diplômés formés d’emblée à l’usage des assistants d’IA et des techniques de prompt engineering.20 L’objectif poursuivi par la direction est de remplacer une armée d’ingénieurs intermédiaires coûteux par des équipes d’intégration extrêmement agiles et hautement automatisées, capables de tirer parti d’outils d’IA pour exécuter des tâches d’ingénierie complexes avec un encadrement minimal.20

Trajectoire prospective et horizons stratégiques (2026-2035)

L’effondrement des modèles économiques fondés sur le volume de licences

La décennie 2026-2035 sera caractérisée par l’obsolescence structurelle des modèles de tarification par poste de travail (per-seat SaaS) qui dominaient l’industrie logicielle depuis le début de l’ère du cloud.5 À l’horizon 2028, sous l’effet de l’automatisation intégrale de larges pans de processus opérationnels par des agents autonomes capables de réaliser le travail équivalent de plusieurs collaborateurs humains, la facturation basée sur le nombre d’utilisateurs physiques n’aura plus de justification économique viable.5

Selon les prévisions du cabinet d’études IDC, au moins soixante-dix pour cent des éditeurs de logiciels professionnels auront migré d’ici 2028 vers des modèles de facturation alternatifs reposant sur la consommation réelle de ressources de calcul, sur les volumes de données traitées ou sur l’atteinte d’objectifs de performance opérationnelle garantis par contrat.5

Cette mutation tarifaire s’accompagnera d’une redéfinition radicale de la chaîne de valeur de l’approvisionnement logiciel.5 Dès 2028, les agents d’IA autonomes n’agiront plus comme de simples outils de productivité à usage interne, mais comme des intermédiaires transactionnels capables de négocier et de finaliser des achats de services interentreprises (B2B).5

Les projections de volume d’activité indiquent que ces agents autonomes superviseront et exécuteront jusqu’à quinze mille milliards de dollars de transactions B2B d’ici 2028, modifiant en profondeur les stratégies de référencement commercial des éditeurs de logiciels.5

Le jalon de 2030 : L’automatisation intégrale du codage routinier

La fin de la décennie 2020 marquera la standardisation de l’IA au sein de l’intégralité du cycle de vie des technologies de l’information.5 Les projections du cabinet Gartner à l’horizon 2030 indiquent que cent pour cent des activités d’ingénierie logicielle et de gestion d’infrastructure impliqueront une interaction directe avec des outils d’IA.5

Dans le détail, soixante-quinze pour cent des flux de travail informatiques seront réalisés sous forme d’augmentation technologique — où l’ingénieur humain valide et supervise les architectures générées automatiquement — tandis que vingt-cinq pour cent des tâches de codage complexes, de débogage et de déploiement en production seront exécutées de manière totalement autonome par des réseaux multi-agents.5

Cette omniprésence des agents de développement logiciel entraînera l’automatisation complète de soixante-dix pour cent du codage de routine d’ici 2030.5 Le développement d’applications de commodité, telles que les interfaces de gestion basiques, les connecteurs de bases de données et les outils d’administration internes, ne nécessitera plus d’écriture manuelle de code.3

Cette mutation aura un impact immédiat sur la valeur des compétences techniques individuelles : le Forum Économique Mondial estime que trente-neuf pour cent des compétences techniques activement recherchées par les recruteurs en 2026 seront devenues totalement obsolètes ou profondément altérées d’ici 2030.5 La valeur des ingénieurs se déplacera définitivement de la maîtrise syntaxique et de l’écriture brute de lignes de code vers la conceptualisation de systèmes, la spécification fine des besoins fonctionnels et l’alignement éthique et sécuritaire des modèles d’IA.2

L’horizon 2035 : La maturité de l’ingénierie augmentée

À l’horizon 2035, l’industrie logicielle mondiale sera entrée dans sa phase de pleine maturité d’ingénierie augmentée par l’IA générative et les agents autonomes.5 Les projections technologiques indiquent que les solutions logicielles d’ingénierie pilotées par des agents autonomes représenteront trente pour cent du chiffre d’affaires mondial de l’industrie du logiciel, générant une valeur économique supérieure à 450 milliards de dollars.5

Ce niveau d’intégration technologique se traduira par une hausse de productivité globale supérieure à quarante pour cent au sein des économies avancées occidentales, compensant la baisse démographique de la population active et permettant aux organisations d’exécuter leurs feuilles de route de transformation numérique à des vitesses d’itération jusqu’alors inconcevables.5

Conclusions et impératifs décisionnels

L’analyse stratégique menée sur l’impact de l’IA de codage sur l’offshorisation du développement logiciel révèle que l’arbitrage traditionnel fondé sur le simple coût de la main-d’œuvre est devenu obsolète face aux capacités d’automatisation des agents d’IA autonomes.10 Le rapatriement de compétences numériques au sein des entreprises occidentales ne relève plus d’une simple intention théorique, mais s’inscrit au cœur de restructurations opérationnelles concrètes.9

Pour prospérer dans cette ère d’ingénierie logicielle augmentée par l’IA d’ici 2035, les dirigeants d’entreprises privées et les décideurs publics doivent s’adapter à plusieurs impératifs :

• Unification des systèmes et élimination de la dette technique : Les initiatives de réinternalisation logicielle, telles que celle menée par Opendoor, ne peuvent réussir que si les bases de données de l’entreprise sont préalablement unifiées et purgées de leurs systèmes obsolètes.9 Les directeurs des systèmes d’information doivent faire de l’unification architecturale une priorité absolue pour permettre aux agents autonomes d’interagir efficacement et en toute sécurité avec le patrimoine informationnel de l’entreprise.25
• Gouvernance et sécurisation du code généré : Face à l’explosion de vulnérabilités critiques induite par le code produit par l’IA, les entreprises doivent impérativement encadrer l’usage de ces assistants de programmation.1 Il convient d’imposer des processus rigoureux de contrôle de sécurité automatisé et de maintenir un principe de supervision humaine systématique (human-in-the-loop) lors des phases de validation et d’intégration en production.1
• Reconfiguration des compétences et formation continue : Face à l’obsolescence rapide des compétences de programmation pure d’ici 2030, les directions des ressources humaines doivent réorienter leurs programmes de formation vers le développement de compétences conceptuelles de haut niveau, telles que l’architecture de systèmes, la modélisation de données et la gestion des exigences fonctionnelles.2
• Réalignement des partenaires d’externalisation : Les entreprises clientes doivent revoir leurs contrats de prestations de services informatiques en exigeant de leurs fournisseurs offshore et nearshore une transparence totale sur l’usage des assistants d’IA de codage.20 Les critères de sélection des prestataires doivent évoluer d’une logique d’allocation d’effectifs facturés au temps passé vers des engagements de résultats mesurables, appuyés sur des architectures logicielles hautement performantes et documentées.20

Les États nationaux doivent quant à eux adapter leurs politiques industrielles en soutenant massivement la formation à l’IA et en finançant la transition numérique des PME de leur tissu économique local, garantissant ainsi l’autonomie et la souveraineté technologique de leurs économies respectives face à ce bouleversement microéconomique d’ampleur mondiale.14

Sources des citations

1. AI Coding Adoption Hits 97% but Governance Lags Behind – Infosecurity Magazine, consulté le juin 14, 2026, https://www.infosecurity-magazine.com/news/ai-coding-adoption-governance-lags/
2. (PDF) From Code Production to Code Orchestration: How AI Coding Assistants are Reshaping Software Engineering – ResearchGate, consulté le juin 14, 2026, https://www.researchgate.net/publication/401655474_From_Code_Production_to_Code_Orchestration_How_AI_Coding_Assistants_are_Reshaping_Software_Engineering
3. Is 2030, and So Is the Impact of AI in the Software Engineering Market | by 21no.de, consulté le juin 14, 2026, https://21node.medium.com/is-2030-and-so-is-the-impact-of-ai-in-the-software-engineering-market-a6891b6b6c80
4. When AI builds itself – Anthropic, consulté le juin 14, 2026, https://www.anthropic.com/institute/recursive-self-improvement
5. AI Software Development: What Changes from 2026 to 2035- First …, consulté le juin 14, 2026, https://firstlinesoftware.com/blog/ai-software-development-2026-2035/
6. The Buy-or-Build Decision, Revisited: How Agentic AI Changes the Economics of Enterprise Software – arXiv, consulté le juin 14, 2026, https://arxiv.org/html/2604.26482v1
7. AI Impact On Business And Technology Services: Di | S&P Global …, consulté le juin 14, 2026, https://www.spglobal.com/ratings/en/regulatory/article/ai-impact-on-business-and-technology-services-disruption-without-dislocation-yet-s101669395
8. TCS and Opendoor Developments Raise Concerns Over AI’s Impact on India’s Tech Employment – EPS Growth Report – LWVDC.org, consulté le juin 14, 2026, https://www.lwvdc.org/first-dry/TCS-and-Opendoor-Developments-Raise-Concerns-Over-AIs-Impact-on-Indias-Tech-Employment-34-1284
9. Opendoor shuts India operations, lays off 250 employees; embraces AI – The Hindu, consulté le juin 14, 2026, https://www.thehindu.com/business/Industry/opendoor-shuts-india-operations-lays-off-250-employees-embraces-ai/article71090626.ece
10. OpenDoor lays off entire India team of 250 in AI-driven overhaul …, consulté le juin 14, 2026, https://www.indiatoday.in/jobs/story/opendoor-shuts-india-operations-cuts-250-jobs-ai-native-us-teams-ceo-note-2924910-2026-06-11
11. Opendoor shuts India operations overnight over ‘AI shift’, sacks 250 employees, consulté le juin 14, 2026, https://www.deccanherald.com/business/opendoor-shuts-india-operations-overnight-over-ai-shift-sacks-250-employees-4035116
12. Commentary – Nearshore Americas, consulté le juin 14, 2026, https://nearshoreamericas.com/commentary-news/
13. Insource What Matters: Lesson from Toyota for Lean Practitioners in …, consulté le juin 14, 2026, https://www.scdigest.com/ontarget/26-05-12_lean_ai_technology.php?cid=23108
14. Intelligence artificielle : des aides et des formations pour l’intégrer dans votre entreprise, consulté le juin 14, 2026, https://www.economie.gouv.fr/entreprises/developper-son-entreprise/innover-et-numeriser-son-entreprise/intelligence-artificielle
15. Bpifrance déploie 10 milliards d’euros pour développer l’écosystème IA et soutenir l’appropriation de l’Intelligence Artificielle par les entreprises françaises, consulté le juin 14, 2026, https://presse.bpifrance.fr/bpifrance-deploie-10-milliards-deuros-pour-developper-lecosysteme-ia-et-soutenir-lappropriation-de-lintelligence-artificielle-par-les-entreprises-francaises
16. Intelligence artificielle en France : un écosystème d’excellence | Direction générale des Entreprises, consulté le juin 14, 2026, https://www.entreprises.gouv.fr/secteurs-dactivite/le-secteur-du-numerique-en-france/intelligence-artificielle-en-france-un
17. Capgemini : 2 400 postes supprimés en France, l’IA accélère la …, consulté le juin 14, 2026, https://drh.ma/capgemini-2-400-postes-supprimes-en-france-lia-accelere-la-recomposition-du-secteur-it/
18. TCS and Opendoor Highlight AI-Driven Concerns for India’s Tech Employment, consulté le juin 14, 2026, https://www.ewma-world.org/expert-time/TCS-and-Opendoor-Highlight-AIDriven-Concerns-for-Indias-Tech-Employment-32-1472
19. AI Kills India’s Most Profitable Business Worth 2 Trillion – 36氪, consulté le juin 14, 2026, https://eu.36kr.com/en/p/3845187005155588
20. Cognizant Sets Aside $270 Million For Layoffs In ‘Project Leap’ AI Operating Model Plan, consulté le juin 14, 2026, https://www.crn.com/news/ai/2026/cognizant-s-project-leap-270m-plan
21. India’s Tata Partners with Anthropic to Help Enterprises Deploy AI at …, consulté le juin 14, 2026, https://www.tekedia.com/indias-tata-partners-with-anthropic-to-help-enterprises-deploy-ai-at-scale/
22. Cognizant Reports First Quarter 2026 Results, consulté le juin 14, 2026, https://investors.cognizant.com/news-and-events/news/news-details/2026/Cognizant-Reports-First-Quarter-2026-Results/default.aspx
23. Cognizant to Cut 4000 Jobs Under ‘Project Leap’ as IT Services Sector Reshapes for AI, consulté le juin 14, 2026, https://thedeepdive.ca/cognizant-to-cut-4000-jobs-under-project-leap-as-it-services-sector-reshapes-for-ai/
24. Opendoor Shuts Down India Operations, Lays Off ~250 Workers in AI-Driven US Shift, consulté le juin 14, 2026, https://www.whatjobs.com/news/opendoor-shuts-down-india-operations-lays-off-250-workers-in-ai-driven-us-shift/
25. Top 13 Agentic AI Development Companies in 2026 | Simform, consulté le juin 14, 2026, https://www.simform.com/blog/top-agentic-ai-development-companies/
26. How AI Coding Assistants are Reshaping Software Development Across Financial Services Organizations – Fintech Today, consulté le juin 14, 2026, https://financialtechnologytoday.com/how-ai-coding-assistants-are-reshaping-software-development-across-financial-services-organizations/