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 %.

Les gains économiques avancent beaucoup moins vite. Parmi les entreprises utilisatrices, 31 % seulement disent avoir constaté une hausse de leurs ventes par salarié liée à l’IA générative.

Ce chiffre repose sur l’appréciation des dirigeants, pas sur une mesure économétrique de leur productivité. Il montre néanmoins où se situe désormais la difficulté : accéder à un outil est devenu simple ; l’intégrer assez profondément au travail pour produire davantage l’est beaucoup moins.

Entre utiliser ChatGPT et intégrer l’IA, l’écart reste large

L’Insee donnait en 2025 un chiffre bien inférieur : 18 % des entreprises françaises d’au moins 10 salariés utilisaient une technologie d’intelligence artificielle, contre 20 % dans l’Union européenne.

La contradiction est apparente. Les deux enquêtes mesurent des usages différents.

La Banque de France inclut largement l’utilisation d’outils génératifs standardisés par les salariés. L’Insee cherche davantage à repérer une utilisation organisée de l’IA dans l’entreprise et exclut en principe les usages individuels ponctuels.

Les périmètres 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, soit environ la moitié de l’économie française.

Les deux chiffres dessinent surtout deux niveaux de maturité. L’usage d’un assistant génératif est déjà courant. Son intégration dans les processus de l’entreprise l’est beaucoup moins.

La France ne paraît d’ailleurs pas particulièrement en avance. Les données de l’Insee la placent légèrement sous la moyenne européenne, et une autre étude de la Banque de France relevait fin 2025 un retard relatif dans l’enquête SAFE de la BCE.

L’IA est entrée par les fonctions de bureau

Parmi les entreprises utilisatrices interrogées par la Banque de France, 85 % emploient des outils de génération de texte. Surtout, 74 % utilisent principalement l’IA dans les fonctions support : administration, marketing, finance ou ressources humaines. Seules 14 % citent d’abord leurs activités de production.

Le décalage explique une partie de l’écart entre adoption et productivité.

Rédiger, résumer, rechercher ou préparer une réponse peut faire gagner du temps immédiatement. Modifier un processus industriel, un logiciel métier, une chaîne logistique ou une prestation de conseil exige davantage : données internes accessibles, outils intégrés, contrôle des résultats, sécurité, formation et parfois réorganisation du travail.

Les entreprises qui n’utilisent pas l’IA citent d’ailleurs d’abord l’absence de cas d’usage pertinent, à 49 %. Les compétences techniques arrivent à 24 % ; le coût à 9 %.

Le principal obstacle n’est donc plus forcément l’accès à la technologie. C’est la découverte d’un usage suffisamment utile et reproductible pour justifier de modifier l’organisation autour de lui.

Les gains sur une tâche ne se transforment pas automatiquement en gains d’entreprise

Les expériences recensées par l’OCDE montrent des résultats parfois importants. Sur certaines tâches de service client, de développement logiciel ou de conseil, les gains moyens observés vont d’environ 5 % à plus de 25 %.

Ces résultats portent sur des tâches précisément définies. À l’échelle d’une entreprise, le gain dépend de ce qui arrive au temps économisé, de la qualité du travail, des autres étapes du processus et du coût d’intégration.

Une tâche accomplie en 45 minutes au lieu d’une heure n’augmente la production que si le quart d’heure libéré est utilisé utilement et si aucun autre goulot d’étranglement ne bloque la suite.

Cette distinction compte particulièrement en France. Fin 2025, la productivité du travail avait presque retrouvé son niveau de 2019, mais restait environ 4,1 points sous la trajectoire qu’aurait prolongée la tendance des années 2010, selon l’Insee.

Une diffusion productive de l’IA pourrait contribuer à réduire cet écart. L’enquête de la Banque de France montre qu’on en est encore au début.

Sur l’emploi, le premier effet peut apparaître dans les recrutements

Les entreprises interrogées ne signalent pas aujourd’hui de réduction massive de leurs effectifs liée à l’IA.

Chez les utilisatrices d’IA générative, le solde entre celles qui attribuent à la technologie une hausse de l’emploi et celles qui lui attribuent une baisse est de -2 points. À trois ans, les anticipations deviennent plus négatives : parmi les entreprises utilisant ou prévoyant d’utiliser l’IA en 2026, le solde d’opinion sur l’emploi atteint -14 points, tandis que 60 % anticipent une hausse de productivité.

Ce solde ne prédit pas combien d’emplois disparaîtront. D’autres données suggèrent toutefois de surveiller les entrées sur le marché du travail.

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 souligne qu’on ne peut pas attribuer ces baisses à l’IA. La conjoncture et les difficultés propres à ces secteurs jouent également.

Mais les recrutements constituent un canal plausible d’ajustement : une entreprise peut réduire les embauches sur certaines tâches junior avant de supprimer des postes existants.

L’Organisation internationale du Travail estime elle aussi que la transformation des tâches reste, à ce stade, plus probable que le remplacement complet de la plupart des métiers exposés.

Il faudra donc regarder au-delà du nombre total d’emplois : recrutements de débutants, compétences demandées, salaires et progression professionnelle donneront des signaux plus précoces.

Le problème public n’est pas de distribuer davantage de licences

L’enquête apporte peu d’arguments en faveur d’une subvention générale à l’achat d’outils génératifs. Dans son champ, leur adoption est déjà forte et le coût est rarement cité comme obstacle principal.

Les difficultés se situent davantage dans les compléments nécessaires à leur usage productif : compétences, données, intégration aux logiciels, sécurité et organisation.

Toutes les entreprises n’ont pas non plus intérêt à adopter l’IA. L’absence de cas d’usage pertinent peut être un diagnostic rationnel plutôt qu’un retard technologique.

Une politique économique utile devrait donc moins chercher à maximiser le nombre d’utilisateurs qu’à faciliter l’expérimentation et l’intégration lorsque le gain potentiel est réel, notamment dans les petites entreprises qui disposent de moins de compétences internes.

La répartition des gains mérite également d’être suivie. Une hausse de productivité peut alimenter les salaires, l’investissement, les marges, la production ou des prix plus bas. Les entreprises interrogées anticipent davantage d’investissement lié à l’IA, mais pas de baisse générale de leurs prix.

Une partie de la valeur créée revient aussi aux fournisseurs de modèles, de cloud et de calcul. Pour la France et l’Europe, le sujet sera autant la capacité à utiliser efficacement ces technologies que la part de valeur conservée dans leur diffusion.

Désormais, le taux d’adoption compte moins que les résultats

Le nombre d’entreprises utilisant l’IA restera utile pour suivre sa diffusion. Il dira de moins en moins si la technologie améliore réellement l’économie.

Les indicateurs décisifs sont ailleurs : productivité par heure travaillée, qualité des biens et services, investissement complémentaire, salaires, recrutements, prix et partage des gains.

L’enquête publiée par la Banque de France marque ainsi un changement de phase. Dans une large partie des entreprises qu’elle étudie, l’IA générative est déjà présente. La question n’est plus seulement de savoir qui l’utilise, mais ce que son usage produit réellement.