L’intelligence artificielle générative s’est imposée dans les entreprises avec une rapidité rarement observée dans l’histoire récente des technologies. En quelques mois, les salariés ont appris à résumer des documents, rédiger des courriels, produire des présentations, générer des images ou analyser des données à l’aide de quelques instructions. Mais entre l’impression de modernité et la création réelle de valeur, l’écart reste considérable.
Le grand public s’est approprié ces outils à une vitesse inédite, pour produire des illustrations autant que pour rédiger des contrats. Cette diffusion spectaculaire masque pourtant une réalité économique moins flatteuse : la valeur de l’IA ne ruisselle pas automatiquement vers les entreprises. En 2025, seulement 22 % des entreprises françaises déclaraient utiliser l’intelligence artificielle de manière modérée ou intensive, contre 39 % en moyenne dans la zone euro, selon une étude de la Banque centrale européenne.
Ce retard est particulièrement visible dans les petites et moyennes entreprises. Certes, 55 % des TPE-PME affirmaient utiliser l’IA générative à la fin de 2025, contre 31 % un an auparavant. Mais seules 32 % des PME et des ETI l’auraient réellement intégrée de façon structurée, selon Bpifrance Le Lab. Autrement dit, beaucoup d’entreprises ont ouvert des comptes sur des plateformes d’IA, mais peu ont modifié leurs méthodes de production, leur organisation ou leurs processus de décision.
Le problème n’est donc plus celui de l’accès à la technologie. Il est celui de son déploiement. Distribuer des licences à plusieurs centaines de salariés ne constitue pas une stratégie. Sans objectifs précis, sans sélection des tâches pertinentes, sans mesure des résultats et sans formation, l’IA devient un poste de dépense supplémentaire. Les abonnements s’accumulent, les expérimentations se multiplient et les directions générales découvrent, quelques mois plus tard, qu’elles sont incapables de chiffrer le moindre retour sur investissement.
Cette situation rappelle un vieux paradoxe de l’économie numérique. Dès les années 1980, le prix Nobel Robert Solow observait que l’informatique était visible partout, sauf dans les statistiques de productivité. L’histoire semble aujourd’hui se répéter. Une innovation peut être impressionnante à l’échelle individuelle sans produire immédiatement de gains collectifs. La productivité ne provient pas seulement de l’outil : elle dépend de la réorganisation du travail qu’il rend possible.
Or, dans de nombreuses entreprises françaises, l’IA est encore utilisée comme une surcouche ajoutée à des procédures anciennes. On demande au salarié de continuer à remplir les mêmes tableaux, d’assister aux mêmes réunions et de produire les mêmes comptes rendus, tout en utilisant désormais une intelligence artificielle. Le résultat peut même être négatif : le temps gagné dans la rédaction est perdu dans la vérification, la correction des erreurs ou la multiplication de contenus sans réelle utilité.
Les risques ne sont pas seulement financiers. L’absence d’encadrement favorise ce que les spécialistes appellent le « shadow AI », c’est-à-dire l’utilisation d’outils non autorisés par les salariés. Des données commerciales, juridiques ou personnelles peuvent être transférées vers des plateformes extérieures sans contrôle de l’entreprise. À cela s’ajoutent les hallucinations des modèles, les problèmes de propriété intellectuelle, les biais et les interrogations sur la confidentialité.
La réponse ne consiste pas à multiplier les interdictions. Une entreprise libérale et responsable ne peut pas prétendre encourager l’innovation tout en paralysant ses collaborateurs par une bureaucratie numérique. Elle doit, en revanche, définir un cadre clair : quels outils peuvent être utilisés, pour quelles données, dans quelles fonctions et sous quelle responsabilité humaine.
Les entreprises qui tirent réellement profit de l’IA commencent généralement par des cas d’usage simples et mesurables : réduction du temps de traitement des demandes clients, automatisation d’une partie de la documentation, amélioration de la prospection commerciale ou accélération de l’analyse de contrats. Elles évaluent ensuite le temps gagné, la qualité produite et le coût total du dispositif.
L’enjeu est d’autant plus important que la France finance, à travers France 2030, des infrastructures de recherche, des programmes universitaires et des pôles d’excellence technique. Mais une politique industrielle ne peut se limiter à soutenir les laboratoires et les champions technologiques. Elle doit aussi permettre au tissu des PME de transformer l’innovation en compétitivité.
L’IA ne crée pas de valeur par décret, pas plus qu’elle ne garantit spontanément des gains de productivité. Elle récompense les organisations capables de simplifier leurs procédures, de former leurs salariés et d’accepter de remettre en cause leurs habitudes. Les autres paieront des abonnements pour produire plus vite des documents dont elles n’avaient peut-être pas besoin.
Après la phase d’émerveillement vient donc celle de la discipline économique. L’intelligence artificielle ne doit plus être considérée comme un symbole de modernité, mais comme un investissement. Et comme tout investissement, elle doit être sélectionnée, pilotée, évaluée — et parfois abandonnée lorsqu’elle ne rapporte rien.