Article de Julien Ricciarelli-Bonnal
12 septembre 2026
L’essentiel
L’intelligence artificielle générative s’est installée beaucoup plus vite dans les entreprises françaises que ne l’avaient fait de nombreuses technologies précédentes. Début 2026, 67 % des entreprises d’au moins 20 salariés interrogées par la Banque de France déclaraient déjà l’utiliser. Pourtant, cette diffusion massive ne se traduit pas encore par une révolution de la productivité. Les usages restent souvent limités, expérimentaux et concentrés dans les fonctions support. Le véritable enjeu n’est donc plus seulement d’adopter l’IA, mais de savoir l’intégrer suffisamment profondément dans les processus, les métiers et l’organisation pour que les gains deviennent réellement mesurables.
Pendant deux ans, une grande partie du débat sur l’intelligence artificielle dans les entreprises s’est concentrée sur une question simple : qui allait l’adopter le plus vite ? Les organisations capables de former leurs équipes, acheter les bons outils et multiplier les expérimentations étaient supposées prendre une avance difficile à rattraper.
Les données publiées début septembre par la Banque de France montrent que cette première bataille est déjà largement engagée. Sur environ 7 000 entreprises interrogées entre fin février et début avril 2026, 67 % de celles comptant au moins 20 salariés déclarent utiliser l’IA générative. Le taux atteint 83 % parmi les entreprises de 1 000 salariés ou plus, contre 64 % parmi celles employant entre 20 et 49 personnes.
La diffusion est donc rapide, mais elle cache une réalité beaucoup moins spectaculaire : l’usage reste majoritairement limité ou expérimental. Les outils sont présents, les salariés s’en servent, les entreprises investissent, mais l’impact économique demeure encore modeste et très hétérogène.
Autrement dit, l’IA est déjà entrée dans l’entreprise sans avoir encore complètement transformé la manière dont celle-ci produit.
Adopter un outil est beaucoup plus simple que transformer une organisation
L’une des raisons de cette diffusion rapide tient précisément à la nature de l’IA générative. Contrairement à certaines technologies prédictives plus anciennes, elle nécessite relativement peu de compétences techniques pour commencer à être utilisée. Un salarié peut ouvrir ChatGPT, utiliser Copilot dans une suite bureautique ou interroger un assistant intégré à un logiciel sans attendre un projet informatique de plusieurs mois.
Cette accessibilité a permis à l’IA de contourner une partie des obstacles habituels de la transformation numérique. Beaucoup d’usages sont apparus directement dans les équipes, parfois avant même que la direction ait construit une stratégie claire. Résumer un document, préparer un e-mail, reformuler un texte, générer une première analyse ou automatiser une tâche administrative ne demande pas nécessairement une transformation profonde du système d’information.
C’est aussi ce qui explique une partie du décalage entre adoption et performance. Une technologie peut être utilisée quotidiennement sans modifier fondamentalement l’économie d’un processus. Gagner dix minutes sur une présentation, accélérer la rédaction d’un compte rendu ou produire plus rapidement une première version d’un document crée bien un gain individuel, mais celui-ci reste parfois trop diffus pour apparaître nettement dans les indicateurs de productivité de l’entreprise.
Les gains deviennent plus importants lorsque l’outil cesse d’être simplement ajouté au travail existant et commence à modifier la manière dont ce travail est organisé. Cela suppose de revoir des processus, redistribuer certaines tâches, automatiser des séquences entières, adapter les responsabilités et parfois transformer l’offre elle-même. C’est beaucoup plus complexe que de donner accès à un assistant conversationnel.
Les fonctions support ont adopté l’IA avant le cœur de la production
La Banque de France observe que les entreprises utilisent principalement l’IA générative dans des fonctions support ou transversales, notamment l’administration et les ventes. Les secteurs les plus intensifs en connaissances se distinguent par des usages plus spécialisés et une intégration plus profonde dans les processus de production et d’innovation.
Cette différence est fondamentale. Utiliser l’IA dans la préparation d’une proposition commerciale, la rédaction d’un contenu ou la synthèse d’une réunion peut réduire certains coûts de fonctionnement, mais ces gains restent souvent marginaux par rapport à la valeur globale créée par l’entreprise. À l’inverse, intégrer l’IA directement dans le processus de conception, de diagnostic, de production ou de développement peut modifier beaucoup plus profondément la productivité.
Toutes les entreprises ne disposent cependant pas des mêmes opportunités. Une société de conseil, un éditeur logiciel ou un laboratoire peut intégrer l’IA dans une part importante de son travail intellectuel. Une entreprise industrielle, un commerce ou une activité reposant fortement sur des opérations physiques ne peut pas nécessairement transformer la même proportion de sa chaîne de valeur avec des modèles génératifs.
La question de la productivité ne peut donc pas être ramenée à un taux d’adoption national. Deux entreprises peuvent déclarer utiliser l’IA tout en parlant de réalités totalement différentes : l’une s’en sert occasionnellement pour rédiger des documents, l’autre a reconstruit plusieurs processus autour de modèles capables de traiter, analyser et produire une partie essentielle du travail.
C’est cette profondeur d’intégration qui commence à distinguer les entreprises qui expérimentent de celles qui transforment réellement leur fonctionnement.
La technologie ne supprime pas automatiquement les tâches qu’elle accélère
Il existe une autre raison pour laquelle les gains peuvent rester modestes : accélérer une tâche ne signifie pas nécessairement supprimer le temps qu’elle occupait auparavant.
Un salarié peut produire un document deux fois plus rapidement grâce à l’IA et utiliser le temps gagné pour améliorer ce document, en produire davantage ou accomplir d’autres tâches. L’entreprise bénéficie alors d’une amélioration réelle, mais celle-ci ne se traduit pas forcément par une baisse immédiate du nombre d’heures travaillées ou du coût de production.
L’IA peut également générer de nouvelles tâches. Les résultats doivent être vérifiés, les outils configurés, les usages encadrés, les données préparées et les risques contrôlés. Une organisation peut gagner du temps dans l’exécution tout en en consacrant davantage à la supervision et à la gouvernance.
Ce phénomène n’est pas propre à l’intelligence artificielle. Les technologies qui améliorent la productivité conduisent souvent les entreprises à augmenter la quantité ou la qualité de ce qu’elles produisent plutôt qu’à réduire mécaniquement leurs ressources. Le gain existe, mais il prend parfois la forme d’un service plus rapide, d’une meilleure personnalisation, d’un volume supérieur ou d’une capacité nouvelle qui ne se retrouve pas immédiatement dans un indicateur simple.
La Banque de France relève d’ailleurs que les entreprises anticipent des effets plus importants au cours des trois prochaines années. Cela suggère que beaucoup considèrent encore la période actuelle comme une phase d’apprentissage plutôt que comme l’aboutissement de la transformation.
Le vrai retard pourrait désormais être organisationnel
Pendant la première phase de diffusion de l’IA générative, ne pas disposer des outils constituait un handicap évident. Ce problème est progressivement en train de disparaître. Les principales solutions sont accessibles, les coûts d’entrée restent relativement faibles et une majorité d’entreprises possède désormais au moins une première expérience de leur utilisation.
Le prochain écart pourrait donc se créer ailleurs : dans la capacité à identifier les usages qui justifient réellement une transformation et à reconstruire les processus autour d’eux.
Cela nécessite de sortir d’une logique dans laquelle l’IA est simplement distribuée aux équipes en espérant que les gains apparaîtront naturellement. Une entreprise peut équiper presque tous ses salariés sans produire de changement structurel si chacun utilise l’outil de façon isolée pour gagner quelques minutes sur ses propres tâches.
À l’inverse, une organisation qui identifie un nombre limité de processus à fort impact, mesure précisément leur fonctionnement avant transformation puis reconçoit la chaîne entière peut obtenir beaucoup plus de valeur avec une adoption apparemment moins spectaculaire. La gouvernance de l’IA ne consiste donc pas seulement à encadrer les risques, mais aussi à organiser les usages capables de produire une véritable valeur pour l’entreprise.
Le sujet devient alors beaucoup plus managérial que technologique. Il faut décider quels processus méritent d’être transformés, quelles compétences doivent rester humaines, quels indicateurs permettront de mesurer le gain réel et comment redistribuer le temps ou les ressources libérés.
Le taux d’adoption va bientôt devenir l’indicateur le moins intéressant
Le chiffre de 67 % est impressionnant parce qu’il montre à quelle vitesse l’IA générative s’est diffusée dans l’économie française. Mais il pourrait rapidement perdre une grande partie de son intérêt. Lorsque presque toutes les entreprises auront adopté au moins un outil, savoir qui « utilise l’IA » ne permettra plus de distinguer grand-chose.
La prochaine question sera beaucoup plus exigeante : qu’en font-elles réellement ?
Certaines entreprises accumuleront les licences, les assistants et les expérimentations sans modifier profondément leur performance. D’autres reconstruiront quelques processus essentiels et parviendront à produire davantage, plus vite ou avec moins de ressources. Entre les deux, l’écart ne dépendra pas du nombre d’outils disponibles, mais de la qualité des choix organisationnels.
Les résultats de la Banque de France montrent finalement une situation beaucoup plus mature que le débat public ne le laisse parfois penser. L’intelligence artificielle n’est déjà plus une technologie réservée à quelques pionniers. Elle est largement présente dans les entreprises françaises. Ce qui manque encore, ce n’est pas l’accès à l’outil, mais la capacité à transformer une multitude de petits gains individuels en amélioration durable de la performance collective.
La révolution de l’IA en entreprise ne se jouera donc probablement pas au moment où tout le monde commencera à l’utiliser. Ce moment est déjà largement arrivé. Elle se jouera lorsque certaines organisations comprendront comment cesser d’ajouter l’IA à leurs anciennes méthodes de travail pour commencer à repenser réellement leur fonctionnement autour de ce qu’elle permet.
Nous accompagnons les entreprises qui souhaitent structurer leurs usages de l’intelligence artificielle et transformer l’adoption des outils en valeur opérationnelle réelle.
Rédigé par Julien Ricciarelli-Bonnal
12 septembre 2026
