IA en entreprise : l’adoption progresse, la productivité reste à prouver

Au début de 2026, 67 % des entreprises françaises d’au moins 20 salariés interrogées par la Banque de France déclarent utiliser l’intelligence artificielle générative. Chez celles de 1 000 salariés ou plus, la proportion atteint 83 %.

Trois ans après l’ouverture de ChatGPT au grand public, la diffusion est donc rapide dans le champ étudié. Mais l’autre chiffre de l’enquête est plus instructif : seules 31 % des entreprises utilisatrices disent avoir déjà constaté un gain de productivité lié à l’IA générative.

Cela ne signifie évidemment pas que leur productivité a augmenté de 31 %. La Banque de France demande aux dirigeants si leurs ventes par salarié ont augmenté, diminué ou peu changé du fait de l’IA. Il s’agit d’une appréciation déclarée, pas d’une mesure économétrique isolant l’effet de la technologie.

L’écart entre adoption et résultat économique donne pourtant une indication précieuse. Dans une large partie des entreprises moyennes et grandes étudiées, accéder à une IA n’est déjà plus très difficile. L’intégrer assez profondément au travail pour produire davantage ou mieux l’est beaucoup plus.

67 % et 18 % : deux mesures différentes

Un chiffre publié par l’Insee pourrait sembler contredire celui de la Banque de France. En 2025, seulement 18 % des entreprises françaises d’au moins 10 salariés déclaraient utiliser une technologie d’intelligence artificielle, contre 20 % dans l’Union européenne.

Les deux enquêtes ne mesurent pas la même chose.

L’Insee cherche à identifier une utilisation organisée de l’IA au sein de l’entreprise et exclut en principe les usages ponctuels et individuels des salariés. La Banque de France retient plus largement l’utilisation d’outils génératifs standardisés, qu’un salarié peut employer directement.

Leurs champs diffèrent aussi. L’enquête de la Banque de France porte sur environ 7 000 entreprises d’au moins 20 salariés dans l’industrie manufacturière, la construction et une partie des services marchands. Elle ne couvre notamment ni le commerce, ni la finance et l’assurance, ni l’immobilier, ni les services publics. Au total, son périmètre représente environ la moitié de l’économie française.

Les chiffres racontent donc deux étapes différentes : essayer ou utiliser régulièrement un outil génératif est déjà fréquent ; l’inscrire dans l’organisation et les processus de l’entreprise l’est nettement moins.

Il serait toutefois excessif d’en conclure que la France est en avance sur l’adoption de l’IA. Les données de l’Insee la situent légèrement sous la moyenne européenne, et une autre analyse de la Banque de France, fondée sur l’enquête SAFE de la BCE, relevait également fin 2025 un retard relatif des entreprises françaises par rapport à leurs homologues de la zone euro.

La diffusion est rapide. Elle n’est ni achevée ni particulièrement exceptionnelle en comparaison européenne.

L’IA est surtout entrée par la porte du bureau

Parmi les entreprises utilisant l’IA générative interrogées par la Banque de France, 85 % emploient des outils de génération de texte. Mais 74 % déclarent utiliser principalement l’IA dans les fonctions support, comme l’administration, le marketing, la finance ou les ressources humaines. Seules 14 % placent son usage principal dans leurs activités de production.

Pour l’instant, l’IA sert donc beaucoup à rédiger, résumer, rechercher, préparer ou assister. Elle transforme moins souvent la manière même dont l’entreprise fabrique un produit ou délivre son service.

La différence est importante.

Résumer un rapport ou préparer une première version de réponse commerciale peut faire gagner du temps presque immédiatement. Modifier un processus industriel, un logiciel métier, une chaîne logistique ou une activité de conseil demande davantage : identifier les tâches pertinentes, raccorder les outils aux données internes, contrôler les résultats, protéger les informations sensibles, former les salariés et parfois revoir entièrement l’organisation du travail.

Les obstacles déclarés par les entreprises confirment ce déplacement du problème. Parmi celles qui n’utilisent pas l’IA, 49 % disent avant tout ne pas avoir identifié de cas d’usage pertinent. Les compétences techniques sont citées par 24 %, le coût par seulement 9 %.

Le faible coût d’un abonnement à un assistant conversationnel ne dit donc pas grand-chose du coût économique réel de l’adoption. Ce qui demande du temps et de l’argent est de trouver un usage suffisamment utile, fiable et reproductible pour mériter de modifier l’organisation autour de lui.

Un gain sur une tâche ne suffit pas

Les expériences disponibles montrent pourtant que l’IA générative peut être très efficace lorsque la tâche est bien choisie.

Une synthèse de l’OCDE relève, dans des expériences portant notamment sur le service client, le développement logiciel ou le conseil, des gains moyens de productivité allant d’environ 5 % à plus de 25 % selon les études.

Ces résultats sont solides pour les tâches étudiées. Ils ne peuvent pas être transposés tels quels à l’entreprise entière.

Si une personne effectue une tâche en 45 minutes plutôt qu’en une heure, l’entreprise ne devient plus productive que si le temps libéré sert réellement à produire quelque chose d’utile. La qualité doit rester suffisante. Les autres étapes du processus ne doivent pas devenir le nouveau goulot d’étranglement. Et une partie du gain peut être absorbée par les licences, les contrôles, les erreurs ou l’intégration informatique.

C’est ainsi que des gains spectaculaires peuvent apparaître dans certaines expériences sans provoquer immédiatement un bond visible de la productivité globale.

Pour la France, l’enjeu n’est pas secondaire. Fin 2025, la productivité du travail avait presque retrouvé son niveau de 2019, mais restait environ 4,1 points sous celui auquel elle se serait située si la tendance des années 2010 s’était poursuivie. En moyenne sur l’année, l’écart était de 4,3 points, selon l’Insee.

L’IA ne comblera pas mécaniquement ce retard. Mais une amélioration durable de la productivité aurait des effets qui dépassent largement un indicateur macroéconomique : davantage de revenus possibles à quantité de travail donnée, plus de capacité d’investissement et davantage de ressources pour financer les besoins privés comme publics.

Sur l’emploi, regarder aussi les recrutements

L’enquête de la Banque de France ne montre pas aujourd’hui de substitution massive du travail parmi les entreprises étudiées.

Chez les utilisatrices d’IA générative, le solde entre celles qui attribuent à la technologie une hausse de leurs effectifs et celles qui lui attribuent une baisse n’est que de -2 points. Pour l’IA non générative, il atteint -3 points.

Les anticipations à trois ans sont plus marquées. Parmi les entreprises utilisant ou prévoyant d’utiliser l’IA en 2026, 60 % anticipent une hausse de leur productivité, tandis que le solde d’opinion concernant l’emploi atteint -14 points.

Ce ne sont pas des prévisions du nombre d’emplois qui disparaîtront.

Un autre signal mérite néanmoins d’être suivi. Au quatrième trimestre 2025, l’emploi des 15-29 ans hors alternants reculait sur un an de 7,4 % dans les activités informatiques, de 5,8 % dans l’édition et de 3,7 % dans le conseil en gestion, contre 0,7 % dans l’ensemble de l’emploi salarié privé marchand non agricole.

L’Insee avertit explicitement qu’il est impossible d’attribuer directement ces évolutions à l’IA. La conjoncture et les difficultés propres à certains secteurs jouent aussi.

Mais le mécanisme est plausible : une entreprise peut réduire ses recrutements sur certaines tâches de début de carrière avant même de supprimer des postes existants. Un salarié expérimenté épaulé par une IA peut parfois accomplir une partie du travail auparavant confié à plusieurs niveaux de séniorité.

L’Organisation internationale du Travail invite à la même prudence. Son indice mondial estime qu’un emploi sur quatre présente un certain degré d’exposition à l’IA générative, tout en jugeant la transformation des tâches plus probable, à ce stade, que le remplacement complet de la plupart des professions.

Pour comprendre l’effet réel sur le marché du travail, le nombre total d’emplois ne suffira donc pas. Il faudra suivre les recrutements de débutants, les compétences demandées, les salaires, les passages entre métiers et les possibilités de progression professionnelle.

Ce que la politique économique peut réellement améliorer

Cette enquête fournit peu d’arguments en faveur d’une politique consistant à subventionner largement l’achat d’outils génératifs généralistes. Dans son champ, leur diffusion est déjà forte et le coût n’est que rarement cité comme le principal obstacle.

Les compléments nécessaires à leur utilisation productive semblent plus importants : compétences, organisation, données accessibles et fiables, sécurité, interopérabilité et capacité à expérimenter.

Le besoin n’est pas identique partout. Les grandes entreprises sont davantage capables d’intégrer des technologies complexes, tandis que les plus petites disposent souvent de moins de compétences internes pour tester, connecter et sécuriser leurs outils.

Cela ne signifie pas qu’il faille pousser chaque entreprise à adopter de l’IA. Le fait que près de la moitié des non-utilisatrices ne voient pas de cas d’usage pertinent peut aussi traduire une décision parfaitement rationnelle. Une politique utile doit aider à distinguer rapidement les usages rentables des gadgets, pas fabriquer une nouvelle obligation numérique.

Il faut également regarder où vont les gains.

Une hausse de productivité peut se traduire par davantage d’investissement, de salaires, de production, de marges ou par des prix plus bas. La répartition dépendra notamment de la concurrence. Or les entreprises interrogées anticipent davantage d’investissements liés à l’IA, mais pas de baisse générale de leurs prix.

Une partie de la valeur créée peut aussi revenir aux fournisseurs de modèles, de cloud et de capacités de calcul, souvent situés hors d’Europe.

Cela fournit une raison économique de développer des capacités européennes et de préserver une concurrence effective, sans prétendre que chaque logiciel ou composant doit être produit en France. La souveraineté utile consiste à conserver des choix et une part suffisante de la valeur, pas à reconstruire toute la chaîne technologique derrière une frontière.

Bientôt, compter les utilisateurs ne suffira plus

Le taux d’adoption restera utile quelques années, notamment pour mesurer la diffusion parmi les petites entreprises et comparer la France à ses voisins. Mais il dira de moins en moins si l’IA améliore réellement l’économie.

Les indicateurs décisifs seront plus concrets : productivité par heure travaillée, qualité des biens et services, investissement complémentaire, salaires, recrutements, prix, diffusion des gains entre entreprises et part de la valeur ajoutée conservée en France et en Europe.

L’enquête publiée ce 3 septembre ne permet pas de dire que l’IA modifiera durablement la trajectoire de productivité française.

Elle montre en revanche que le débat commence à pouvoir quitter le terrain des promesses. Dans une large partie des entreprises étudiées, les outils sont déjà là. Il devient possible de mesurer ce qu’ils changent vraiment.