IA en entreprise : 67 % l'utilisent, 31 % y gagnent. Pourquoi ?

Selon la Banque de France, 67 % des entreprises françaises de 20 salariés et plus utilisent l'IA générative, mais seulement 31 % de ces utilisatrices déclarent un gain de productivité sur trois ans. L'écart tient à l'intégration : des usages restés expérimentaux, branchés à côté des processus au lieu d'être orchestrés à l'intérieur.

Le chiffre vient du Bulletin n° 266 de la Banque de France (septembre-octobre 2026), signé Véronique Genre et Léo Parpais. Environ 7 000 entreprises interrogées entre le 25 février et le 3 avril 2026, dans l'industrie, la construction et les services marchands hors commerce. C'est l'une des mesures les plus solides disponibles en France sur le sujet. Et son titre dit tout : « une diffusion rapide, mais des gains de productivité encore limités ».

Pour un dirigeant de PME ou d'ETI, la question n'est donc plus « faut-il y aller ? ». Les deux tiers du marché y sont déjà. La question devient : pourquoi la majorité de ceux qui y sont n'en tirent rien de mesurable, et comment éviter d'en faire partie.

Qui utilise vraiment l'IA dans les entreprises françaises ?

Presque tout le monde, et la taille joue moins qu'on ne le croit. Les entreprises de 20 à 49 salariés sont déjà 64 % à utiliser l'IA générative. Celles de 100 à 249 salariés montent à 75 %. Au-delà de 500 salariés, on dépasse 83 %.

L'IA dite non générative (prévision, vision industrielle, détection d'anomalies) reste nettement moins répandue : 35 % des entreprises en moyenne, 31 % chez les 20-49 salariés, 60 % au-delà de 1 000.

Pour quoi faire ?

Surtout pour écrire. 85 % des utilisatrices d'IA générative s'en servent pour produire du texte. Les assistants virtuels et chatbots ne concernent que 32 % d'entre elles (58 % au-delà de 1 000 salariés). Les autres outils, catégorie où la Banque de France range la génération de code et les agents d'IA, plafonnent à 25 %.

Côté fonctions, 74 % des utilisatrices emploient l'IA d'abord dans les fonctions support, contre 14 % dans la production. Le premier domaine déclaré est la relation commerciale et client (28,5 %), devant la gestion administrative (27,5 %).

Le portrait est net. L'IA d'entreprise française en 2026, c'est majoritairement un collaborateur qui ouvre un assistant conversationnel pour rédiger un mail, un compte rendu ou une fiche. Utile. Rarement transformant.

Pourquoi l'IA ne rend-elle pas l'entreprise plus productive ?

La Banque de France l'écrit sans détour : les gains restent limités en raison d'« une forte part des usages expérimentaux de l'IA et une intégration imparfaite dans les processus productifs ».

Traduction opérationnelle : l'outil est là, le processus n'a pas bougé. Un commercial qui fait rédiger ses relances par ChatGPT gagne dix minutes. Mais la relance part toujours du même tableur, attend toujours qu'il pense à la faire, et la réponse du prospect retombe toujours dans sa boîte mail sans que le CRM le sache. Le gain individuel existe. Il ne remonte jamais au niveau de l'entreprise.

La taxe de retravail

Une seconde mesure, côté salariés, éclaire le mécanisme. Le baromètre AI@Work Pulse de Workday (vague de septembre 2026, publiée le 8 octobre) indique que 28,6 % des utilisateurs français d'IA perdent au moins la moitié du temps gagné à corriger ce que l'outil a produit. Workday appelle cela la « taxe de retravail ».

Le même baromètre relève que 74,9 % des utilisateurs français confient des tâches complètes à l'IA sans intervention humaine. Les deux chiffres ensemble dessinent un problème précis : on délègue beaucoup, sans cadre, puis on repasse derrière. La délégation sans contrôle coûte presque autant que le travail fait à la main.

Limite à signaler : Workday ne publie ni la taille de l'échantillon ni les dates exactes de terrain sur cette page. Le chiffre indique une tendance, pas une mesure de précision comparable à celle de la Banque de France.

Le vrai frein : « on ne sait pas quoi en faire »

Chez les entreprises qui n'utilisent pas encore l'IA, le premier obstacle cité n'est ni le coût ni la réglementation. C'est l'absence de cas d'usage identifiés, pour 49 % d'entre elles. Le manque de compétences techniques arrive loin derrière (24 %), devant la fiabilité incertaine des résultats (16 %). Les coûts ne pèsent que 9 %, les obstacles réglementaires 11 %.

C'est le même problème vu de l'autre côté. Les utilisatrices ont un outil sans processus. Les non-utilisatrices n'ont ni l'un ni l'autre, mais savent au moins que l'outil seul ne suffit pas.

Qu'est-ce qui distingue les entreprises qui gagnent vraiment ?

L'enquête ne mesure pas directement ce point, et il faut le dire. Mais elle donne un indice : 41 % des utilisatrices d'IA non générative déclarent un gain de productivité, contre 31 % pour l'IA générative. Or l'IA non générative (maintenance prédictive, contrôle qualité par vision, prévision de la demande) se déploie par construction à l'intérieur d'un processus. Elle n'existe pas sans lui.

La leçon est transposable. Le gain ne vient pas du modèle. Il vient de l'endroit où on le branche. Trois différences séparent un usage expérimental d'un usage orchestré :

• Le déclencheur. L'usage expérimental attend qu'un salarié pense à ouvrir l'outil. L'usage orchestré se déclenche sur un événement : un appel manqué, un devis signé, une facture échue, un formulaire reçu.
• Les données. L'assistant générique répond avec ce qu'on lui colle dans la fenêtre. Un agent IA connecté interroge le CRM, l'agenda, la base documentaire interne (RAG) et répond avec les faits de l'entreprise.
• La sortie. Le texte généré finit dans un presse-papier. L'action orchestrée écrit dans le système : fiche client mise à jour, rendez-vous posé, relance planifiée, ticket créé.
• Le contrôle. Sans règle, chacun repasse derrière l'IA à sa façon, d'où la taxe de retravail. Avec une orchestration, les seuils de validation humaine sont définis une fois, au bon endroit, et tracés.

Ce dernier point mérite une précision. Valider chaque action à la main n'est pas une garantie : un humain qui approuve à la chaîne finit par tout approuver, comme le montre l'étude sur la supervision humaine des agents IA. Le contrôle utile se place sur les décisions qui engagent l'entreprise, pas sur chaque phrase produite.

Par où commencer quand on dirige une PME ?

Le chiffre de 49 % d'entreprises sans cas d'usage identifié indique le point de départ. Pas par l'outil. Par le processus qui coûte.

1. Lister les flux répétitifs à fort volume. Appels entrants non décrochés, relances de pièces ou d'impayés, qualification des demandes entrantes, prise de rendez-vous. La relation client et la gestion administrative sont précisément les deux domaines où les entreprises françaises utilisent déjà le plus l'IA : c'est là que le volume existe.
2. Chiffrer le coût actuel. Heures passées, demandes perdues, délai moyen de réponse. Sans point de référence, aucun gain ne sera jamais démontré, et l'IA restera « expérimentale » au sens de la Banque de France.
3. Brancher l'agent sur les systèmes existants. Un agent qui ne lit pas le CRM et n'écrit pas dans l'agenda reste un assistant de rédaction. La valeur commence avec l'intégration native.
4. Mesurer le temps de correction. Si les équipes passent plus de la moitié du temps gagné à corriger, le problème n'est pas l'IA, c'est la consigne, les données ou le périmètre. Ce taux se mesure dès la deuxième semaine.

La méthode d'automatisation IA pour PME détaille l'audit et le calcul du retour sur investissement. Et l'analyse des pilotes d'agents IA en self-service montre pourquoi déposer un outil chez les équipes sans l'intégrer produit exactement le résultat que mesure la Banque de France.

Que prévoient les entreprises pour les trois prochaines années ?

L'optimisme reste fort. 60 % des utilisatrices actuelles ou prévues attendent un effet positif sur leur productivité d'ici trois ans, dont 17 % un effet « significatif ». Elles anticipent aussi une baisse nette de 14 % de leurs effectifs liée à l'IA, et une hausse nette de 6 % de leurs prix de vente.

À ce jour, l'effet constaté sur l'emploi reste faible : solde net de −2 % chez les utilisatrices d'IA générative, −3 % pour l'IA non générative. Les investissements, eux, augmentent (solde net de +15 % et +22 %).

Autrement dit, les entreprises paient déjà, espèrent beaucoup, et constatent peu. Cet écart ne se refermera pas en attendant un meilleur modèle. Les modèles progressent tous les trimestres ; le taux de gain déclaré, lui, dépend de ce que l'entreprise change dans sa façon de travailler.

Quelles sont les limites de ces chiffres ?

Trois réserves à garder en tête. L'enquête de la Banque de France exclut les entreprises de moins de 20 salariés, le commerce et la finance : elle couvre environ la moitié de l'économie française. Le gain de productivité est déclaratif, pas mesuré dans les comptes. Enfin, la catégorie « agents d'IA » n'est pas isolée : elle est fondue avec la génération de code dans les 25 % d'« autres outils », ce qui empêche de mesurer à part l'effet des agents.

Le baromètre Workday, de son côté, ne publie pas son échantillon sur la page consultée. Ses chiffres servent à éclairer un mécanisme, pas à le quantifier au point près.

Ces réserves ne changent pas la conclusion. Deux tiers des entreprises ont adopté l'outil. Un tiers de celles-ci en tire un bénéfice. La différence ne se trouve pas dans le choix du modèle, elle se trouve dans l'orchestration IA : déclencheurs, données, sorties et contrôles branchés sur les processus réels.

Pour situer son entreprise sur cet écart avant d'investir davantage, le Diagnostic IA évalue la maturité sur 100 points et identifie les flux où un agent produira un gain mesurable.

Sources : Banque de France, Bulletin n° 266/1, « L'IA s'installe dans les entreprises françaises » ; Workday, baromètre AI@Work Pulse, octobre 2026.