Paris, un mardi matin de septembre. Victor, directeur de la transformation d’un groupe de services, fait défiler un tableau de bord devant son comité exécutif. Le chiffre qu’il affiche est flatteur : 71 % de ses collaborateurs ont ouvert l’assistant IA au moins une fois dans le mois. Il sourit. Puis la directrice financière pose la seule question qui compte : « Victor, la productivité, elle a bougé de combien ? » Silence dans la salle. Victor n’a pas la réponse, parce que personne ne l’a mesurée.
Cette scène se rejoue dans presque chaque entreprise que j’accompagne. Elle résume le paradoxe français de l’intelligence artificielle en 2026 : on adopte massivement, on récolte à peine.
Deux tiers d’adoption, un tiers de gains
Les chiffres viennent d’une enquête de la Banque de France menée de février à avril 2026 auprès d’entreprises d’au moins 20 salariés. Plus des deux tiers d’entre elles, 67 %, déclarent utiliser des outils d’IA générative (Banque de France). La barrière à l’entrée a quasiment disparu : un abonnement à ChatGPT, un Copilot déjà intégré à la suite bureautique, et voilà des milliers de collaborateurs équipés en quelques jours.
Puis vient le réveil. Une entreprise utilisatrice sur trois seulement, 31 %, constate un effet positif sur sa productivité (ZDNet). Deux sur trois ont donc donné l’outil et n’ont rien vu venir. L’écart entre le taux d’adoption et le taux de gains, voilà le vrai sujet. Il ne se comble pas en distribuant plus de licences.
La taille de l’entreprise creuse encore le fossé. Chez les grands groupes, l’adoption de l’IA générative atteint 83 %, contre 64 % dans les PME de 20 à 49 salariés (ZDNet). Et dès qu’on quitte l’IA générative pour l’IA plus classique, celle qui exige d’intégrer des données structurées au système d’information, la fracture s’élargit : les petites structures restent loin derrière les grandes. Or c’est précisément cette IA d’intégration, moins spectaculaire qu’un chatbot, qui produit les gains durables. Le chatbot séduit vite. Le back-office reconstruit rapporte longtemps.
Le piège du bac à sable
Pourquoi ce grand écart ? Parce que l’usage reste enfermé dans le bac à sable. On rédige un courriel un peu plus vite, on résume une note de réunion, on demande une reformulation. Des gestes utiles, jamais structurants. Le flux de travail, lui, n’a pas bougé d’un millimètre. On a posé une technologie de 2026 par-dessus des processus de 2015, et on s’étonne que la mécanique ne s’emballe pas.
L’enquête le confirme : la moitié des entreprises qui n’ont pas franchi le pas expliquent leur immobilisme par l’absence de cas d’usage identifié (ZDNet). Elles cherchent quoi automatiser et ne trouvent pas. C’est le symptôme d’une organisation qui attend de l’outil qu’il désigne lui-même sa cible. Il ne le fera jamais. Un assistant IA ignore quel goulot d’étranglement ronge votre chaîne de valeur. Vous, vous le savez.
J’écris dans mon livre que l’invariant de l’innovation n’a jamais été la technologie (Mon livre, chapitre 14). La technologie change tout le temps, elle crée des modes, son seul invariant à elle, c’est l’accélération de son propre changement. L’invariant réel, c’est l’humain : ses peurs et ses habitudes de travail. Une entreprise qui n’innove pas est déjà morte, elle ne le sait juste pas encore. Et distribuer un outil sans repenser le travail, cela s’appelle cocher une case.
Ce livre s’adresse aux PDG, aux dirigeants et aux innovateurs prêts à tout remettre en question et à créer une croissance exponentielle.
L’invariant n’a jamais été l’outil
Posez la mauvaise question, vous obtiendrez la mauvaise transformation. « Comment remplacer cinq personnes par l’IA ? » produit de la peur et des projets défensifs. « Comment cinq personnes peuvent-elles faire le travail de cinquante grâce à l’IA ? » ouvre un autre chantier. La première question parie sur la soustraction. La seconde parie sur l’amplification, et c’est elle qui déplace les lignes.
Tout usage de l’IA qui ne répond pas à l’une de ces deux questions est une distraction : comment augmenter la productivité et la qualité de ce que je livre dans mon poste actuel, et que puis-je faire aujourd’hui qui était impossible hier ? Le reste, c’est du bruit d’outil.
La panique fait le travail inverse. Le Stanford AI Index a mesuré une nervosité liée à l’IA passée de 38 % à 52 % en un an (Stanford). Cette peur tient directement à l’instinct de survie. Quand un dirigeant déploie l’IA sans dire clairement à quoi elle servira, le vide se remplit tout seul, avec la crainte d’être remplacé. Un collaborateur inquiet n’invente pas de nouveaux usages. Il se protège. La sécurité psychologique reste la condition première pour que quelqu’un ose dire « voilà la tâche que je déteste, et voilà comment l’IA pourrait la reprendre ».
Le vrai décrochage : la France face à l’Europe, pas aux États-Unis
Ici, une précision qui change le diagnostic. On raconte volontiers que la France décroche face au « modèle américain ». Les chiffres racontent autre chose. Selon la Direction générale du Trésor, 61 % des entreprises françaises utilisaient au moins une technologie numérique avancée en 2025, contre 78 % aux États-Unis (Direction générale du Trésor). L’écart de 17 points est réel. Mais la moyenne de l’Union européenne s’établit à 77 %, à un point des Américains. La France ne décroche donc pas d’un modèle américain lointain. Elle décroche de ses voisins directs, l’Allemagne ou l’Espagne compris.
Cette nuance compte, parce qu’elle déplace la responsabilité. Se comparer aux géants de la Silicon Valley autorise le fatalisme : ils ont les capitaux et l’échelle. Se comparer à un industriel allemand ou à une PME espagnole retire cette excuse. La même note du Trésor identifie le retard numérique comme le premier facteur de décrochage de la productivité française par rapport aux États-Unis (Direction générale du Trésor). Le problème reste à notre portée. Il est chez nous, dans nos organisations.
Mesurer, sinon rien
Reste la promesse chiffrée, celle qui fait rêver les comités. On cite partout l’étude BCG-Harvard : 758 consultants, 25 % plus rapides sur leurs tâches. Le piège consiste à croire ce chiffre transposable à tous les métiers. Une autre étude, portant sur environ 25 000 travailleurs, ramène la moyenne réelle du temps gagné autour de 3 %. L’écart entre 25 % et 3 %, voilà exactement où naît la désillusion des directions.
L’économiste Daron Acemoglu, prix Nobel, avait posé un garde-fou dès avril 2024 : l’IA générative n’ajouterait pas plus de 0,9 % au PIB sur dix ans, et environ 0,5 % à la productivité globale des facteurs (MIT). Attention à la lecture de ce chiffre : il s’agit d’un effet de niveau cumulé sur la décennie, pas d’un point de croissance annuel, et Acemoglu le présente comme une borne haute. Sans restructuration profonde des organisations, l’IA ne produira pas de miracle macroéconomique.
Même leçon à l’échelle d’une entreprise : les hypothèses sont très dangereuses et doivent être tuées par l’expérimentation le plus tôt possible. Avant de déployer, mesurez le point de départ. Pendant, mesurez l’usage réel, pas le nombre de licences ouvertes. Après, mesurez le gain sur la tâche et le ressenti de ceux qui l’ont vécu. Deux questions par activité suffisent : le gain attendu est-il réaliste, et est-il vérifiable ? Sans réponse, vous ne pilotez pas une transformation. Vous financez une mode.
L’essentiel
Retenez trois choses :
- L’adoption n’est pas la transformation. 67 % des entreprises utilisent l’IA générative, 31 % seulement en tirent un gain de productivité. Le reste distribue des licences.
- Le verrou est d’abord humain et organisationnel. Tant que les flux de travail ne sont pas repensés et que la peur n’est pas traitée, l’outil reste dans le bac à sable.
- Sans mesure, pas de pilotage. Fixez le point zéro, suivez l’usage réel, vérifiez le gain tâche par tâche. Un gain non mesuré est un gain imaginaire.
La France a les outils entre les mains. Ce qui lui manque, c’est le courage de reconstruire ses méthodes au lieu d’habiller ses vieux processus d’un vernis d’IA. Innover ou agoniser, c’est vous qui voyez.
Références
- (Mon livre) https://philippeboulanger.com/fr/livre/
- (ZDNet) https://www.zdnet.fr/actualites/ia-en-entreprise-une-adoption-massive-en-france-mais-des-gains-de-productivite-qui-stagnent-502829.htm
- (Banque de France) https://www.banque-france.fr/fr/actualites/lia-sinstalle-dans-les-entreprises-francaises-une-diffusion-rapide-mais-des-gains-de-productivite
- (Direction générale du Trésor) https://www.tresor.economie.gouv.fr/Articles/2026/09/01/le-numerique-principal-facteur-du-decrochage-de-la-productivite-francaise-par-rapport-aux-etats-unis
- (MIT) https://shapingwork.mit.edu/wp-content/uploads/2024/04/Acemoglu_Macroeconomics-of-AI_April-2024.pdf
- (Stanford) https://aiindex.stanford.edu
