En bref — Trois études françaises de référence donnent trois chiffres d’adoption de l’IA très différents : 32 % (Bpifrance Le Lab, PME et ETI, fin 2024), 18 % (Insee, entreprises de 10 salariés et plus, année 2025) et 67 % (Banque de France, entreprises de 20 salariés et plus, début 2026). Aucun n’est faux : ils ne mesurent pas la même chose, ni au même moment. Lus dans l’ordre chronologique, ils racontent une histoire cohérente — la diffusion s’est emballée, l’organisation n’a pas suivi. Bpifrance avait posé le diagnostic dès fin 2024 : 54 % des utilisateurs sur des outils gratuits et génériques, 43 % d’entreprises qui n’analysent pas leurs données, 73 % de projets portés par le seul dirigeant. La Banque de France en constate la conséquence début 2026 : des effets économiques « encore limités » malgré deux entreprises sur trois utilisatrices. L’écart entre l’usage réel et l’usage organisé porte un nom, que Bpifrance emploie : le shadow AI.
Depuis deux ans, chaque semaine apporte son chiffre sur l’adoption de l’IA. Ils se contredisent, ils circulent sans leur champ ni leur date, et on finit par ne plus rien en croire. Trois publications échappent à ce reproche, parce qu’elles annoncent leur méthode : Bpifrance Le Lab, l’Insee et la Banque de France.
Mises côte à côte, elles semblent incompatibles. Remises dans l’ordre, elles disent la même chose — et quelque chose de plus intéressant que n’importe lequel des trois chiffres pris isolément.
Trois études, trois chiffres, trois moments
| Bpifrance Le Lab | Insee | Banque de France | |
|---|---|---|---|
| Publication | « Les entreprises françaises et l’IA » | Insee Première n° 2120 | Bulletin n° 266 |
| Terrain | Oct.-déc. 2024 | Année 2025 | Févr.-avril 2026 |
| Champ | PME et ETI | Entreprises de 10 salariés et + | Entreprises de 20 salariés et + |
| Méthode | 1 209 dirigeants + 40 entretiens | Enquête TIC annuelle | ~7 000 entreprises, résultats redressés |
| Objet mesuré | Usage de l’IA, stratégie, gouvernance | Au moins une technologie d’IA | IA générative |
| Résultat phare | 32 % utilisent l’IA | 18 % utilisent l’IA | 67 % utilisent l’IA générative |
| La nuance de la source | 43 % seulement ont une stratégie IA | ×3 en deux ans (6 % en 2023) | usage « limité ou expérimental » |
La première chose à noter est que ces trois enquêtes ne sont pas concurrentes : elles sont successives. Fin 2024, 2025, début 2026. Ce qui ressemble à une contradiction est en réalité une chronologie.
La deuxième est qu’elles ne posent pas la même question. Bpifrance interroge des dirigeants sur leur stratégie et leur gouvernance de l’IA. L’Insee interroge l’entreprise sur les technologies qu’elle utilise — une déclaration d’organisation, qui suppose une décision, souvent un achat : l’enquête relève que 69 % des entreprises utilisatrices ont acquis leur IA sous forme de logiciels du commerce prêts à l’emploi. La Banque de France, elle, interroge sur l’usage d’outils d’IA générative, et sa formulation mérite d’être citée : ces outils standardisés, « assistants conversationnels, de type ChatGPT ; ou intégrés aux suites bureautiques, comme Microsoft Copilot », « peuvent être utilisés directement par les salariés ».
Directement par les salariés. Tout est là. Les 67 % incluent l’entreprise où trois personnes du service commercial ouvrent ChatGPT pour reformuler leurs e-mails, sans que la direction l’ait décidé, budgété, encadré — ni toujours su.
Fin 2024 : le diagnostic de Bpifrance
L’étude de Bpifrance Le Lab, menée auprès de 1 209 dirigeants de PME et ETI complétés par plus de quarante entretiens qualitatifs, est la plus riche des trois sur le « comment ». Elle mesure 32 % d’entreprises utilisatrices — mais l’intérêt est ailleurs, dans ce qu’elle dit de la manière dont l’IA entre dans ces entreprises.
58 % des dirigeants considèrent que l’IA est un enjeu de survie à moyen terme. L’enjeu est donc perçu.
43 % seulement ont formalisé une stratégie IA. La majorité avance donc sans cap défini.
73 % des projets IA sont impulsés par le dirigeant lui-même. Bpifrance y voit une force — vision, agilité — et pose le risque sans détour : sans implication des équipes, l’adoption reste fragile. Une IA non adoptée est inefficiente, et « une IA imposée brutalement peut détruire la confiance ». C’est dans ce passage que l’étude emploie l’expression shadow AI, en présentant le dialogue avec les employés comme le moyen de l’éviter.
54 % des PME et ETI utilisatrices s’appuient sur une solution gratuite — des outils « génériques, peu personnalisés » qui, écrit Bpifrance, « ne permettent pas de révéler pleinement le potentiel de l’IA ».
43 % des PME et ETI n’analysent pas leurs données. Or l’IA en dépend entièrement : « garbage in, garbage out ». Sans culture de la donnée, le résultat plafonne quel que soit l’outil.
Retenez ces quatre derniers chiffres. Ils constituent, fin 2024, une prédiction.
2025 puis 2026 : la diffusion s’emballe
L’Insee mesure ensuite, sur l’année 2025, 18 % d’entreprises de 10 salariés et plus utilisant au moins une technologie d’IA. Le chiffre paraît bas au regard des 32 % de Bpifrance, mais les champs diffèrent : l’échantillon de l’Insee est dominé en nombre par les entreprises de 10 à 49 salariés, quand le panel PME-ETI de Bpifrance penche vers des structures plus grandes. La ventilation le confirme — l’Insee relève 15 % chez les 10-49 salariés, 31 % chez les 50-249 et 58 % chez les 250 et plus. Le tiers de Bpifrance se loge très exactement dans cette grille.
Ce que l’Insee apporte surtout, c’est la dynamique : 6 % en 2023, 10 % en 2024, 18 % en 2025. Un triplement en deux ans. Et une mise en perspective utile à l’heure où l’on décrit volontiers la France comme distancée : la moyenne de l’Union européenne s’établit à 20 %.
Puis vient la Banque de France, qui interroge environ 7 000 entreprises de son enquête mensuelle de conjoncture entre fin février et début avril 2026, sur un champ couvrant environ la moitié de l’économie française. 67 % des entreprises d’au moins 20 salariés déclarent utiliser l’IA générative. L’IA prédictive, plus exigeante en données structurées et en intégration, ne concerne qu’environ un tiers d’entre elles.
En dix-huit mois, on est donc passé d’un tiers d’entreprises utilisatrices à deux tiers. La diffusion n’est pas contestable.
Et pourtant, les gains ne sont pas là
C’est la conclusion la plus sèche de la Banque de France : à ce stade, « les effets économiques observés demeurent limités ». Beaucoup d’usage, peu de résultats mesurables. Les entreprises anticipent des effets plus nets d’ici trois ans — davantage de productivité, et un effet modérément négatif sur l’emploi — ce qui revient à dire qu’elles situent la vraie transformation devant elles, pas derrière.
Reprenez maintenant le diagnostic de Bpifrance, posé dix-huit mois plus tôt. Des outils gratuits et génériques dans plus d’un cas sur deux. Quatre entreprises sur dix qui n’exploitent pas leurs données. Une majorité sans stratégie formalisée. Des projets portés par un dirigeant souvent seul.
Il n’y a aucun mystère dans le constat de 2026 : c’est l’issue arithmétique du diagnostic de 2024. Un outil générique, alimenté par des données non structurées, utilisé sans processus repensé et sans compétence organisée, ne produit pas de gain au niveau de l’entreprise. Il produit des minutes gagnées individuellement, qui ne se consolident nulle part.
L’angle mort : ce qui sépare l’usage de l’organisation
Entre les deux tiers d’entreprises où l’IA générative est utilisée et le tiers où elle est réellement installée, il y a une zone grise. Elle porte un nom — celui que Bpifrance emploie : le shadow AI.
Cette zone n’est pas un artefact statistique. C’est de l’IA qui tourne dans les entreprises sans que les entreprises la pilotent. Et le croisement des ventilations par taille en donne la géographie précise.
| IA générative utilisée | IA déclarée par l’entreprise | |
|---|---|---|
| Petites structures | 64 % (20-49 salariés) | 15 % (10-49 salariés) |
| Grandes entreprises | 83 % (1 000 salariés et +) | 58 % (250 salariés et +) |
| Écart | 19 points | 43 points |
La lecture est nette. Sur l’usage, l’écart entre petites et grandes structures est modéré : dix-neuf points. Sur l’organisation, il explose : quarante-trois points, soit un rapport de près de quatre.
Autrement dit : dans une petite structure, on utilise l’IA presque autant que dans un grand groupe — on l’encadre quatre fois moins. Le retard des TPE-PME n’est pas un retard d’usage, ni même un retard technologique. C’est un retard d’organisation. Ce qui est plutôt une bonne nouvelle : organiser coûte infiniment moins cher que rattraper une technologie.
Une précision s’impose cependant, parce que ce tableau se lit trop facilement comme un classement. Les 58 % des grandes entreprises mesurés par l’Insee disent qu’une décision a été prise — pas qu’elle était la bonne. Et c’est le sujet de la section suivante.
Le symétrique : confondre organiser et uniformiser
Le raisonnement « les grands groupes ont pris de l’avance » suppose que déployer un outil pour tout le monde équivaut à organiser l’usage de l’IA. Les deux études disent le contraire, chacune à sa manière.
La Banque de France observe que la plupart des entreprises « recourent principalement à des applications généralistes de l’IA, notamment dans les fonctions support ou transversales (administration, ventes) » — et ajoute que ce sont les secteurs qui développent des usages plus spécialisés qui présentent « une intégration plus poussée de l’IA dans leurs processus de production et d’innovation ». Bpifrance dit la même chose côté PME : les solutions gratuites et génériques « ne permettent pas de révéler pleinement le potentiel de l’IA », et le levier qu’elle recommande s’intitule sans ambiguïté « adapter ses solutions IA à ses usages ».
Deux sources indépendantes, un même constat : le générique plafonne. Or un déploiement uniforme à l’échelle d’un groupe est, par construction, générique.
Le pari de l’outil unique se comprend pourtant très bien. Il est rassurant sur le plan contractuel — un fournisseur, un contrat, une clause de confidentialité —, simple à administrer, facile à annoncer. Il coche la case « nous avons déployé l’IA ». Mais il traite comme un problème d’équipement ce qui est un problème de métier.
Prenons trois fonctions d’une même entreprise. Le marketing a besoin de volume et d’itération rapide : produire vingt accroches pour en garder une, explorer des angles, tester. L’approximation y est tolérable, parce que l’humain tranche à la fin et que la valeur réside dans le nombre d’options générées. Le juridique a besoin de l’inverse exact : traçabilité de la source, citation vérifiable, confidentialité stricte, et zéro tolérance à l’invention — un outil qui produit une référence plausible mais fausse n’est pas imparfait, il est disqualifié. Le recrutement, lui, manipule des données personnelles en masse, avec un risque de discrimination et une exigence d’explicabilité des décisions ; c’est d’ailleurs un domaine que l’AI Act range parmi les usages à haut risque, ce qui n’a rien à voir avec le régime applicable à la rédaction d’un post LinkedIn.
Ces trois fonctions n’ont pas le même besoin, pas le même niveau de risque, pas les mêmes critères de qualité. Leur donner le même outil avec la même formation générique, c’est garantir que deux d’entre elles s’en serviront mal — ou pas du tout.
Notre hypothèse pour les mois qui viennent est donc la suivante, et nous l’annonçons comme une lecture et non comme un résultat d’enquête : on verra des grands groupes rétropédaler sur leur déploiement unique, non pour abandonner l’IA, mais pour repartir des usages nécessaires et justifiés, fonction par fonction. Non pas « quel outil déployons-nous ? », mais « quelles tâches, dans quel service, avec quel niveau de contrôle, et pourquoi celles-là ». Le mouvement ne serait pas un recul : ce serait le passage de l’équipement à l’organisation réelle.
Ce qui remet les deux populations dos à dos. La TPE a l’usage sans le cadre ; le grand groupe a le cadre sans la différenciation des usages. Les deux produisent le même résultat — celui que la Banque de France mesure : des effets économiques limités. Et les deux appellent le même remède : partir des tâches réelles, service par service, plutôt que d’un outil.
Trois risques que cet écart fait porter
Un usage non recensé n’est pas seulement un gain manqué. Il expose.
Le risque sur les données. Informations clients, données salariés, éléments stratégiques versés dans des outils grand public sans base légale identifiée. Le sujet est traité en détail dans notre guide ChatGPT en entreprise : ce que dit le RGPD.
Le risque de conformité. L’AI Act européen prévoit une obligation de littératie IA pour les personnels concernés par l’usage de systèmes d’IA. Une entreprise qui ignore que ses équipes utilisent ces outils ne peut, par construction, pas avoir organisé cette montée en compétence. La portée exacte de l’obligation a été modifiée par le paquet Digital Omnibus — point à suivre de près, détaillé dans Digital Omnibus : l’article 4 de l’AI Act réécrit.
Le risque social. Le déploiement d’outils qui modifient l’organisation du travail relève, selon les cas, de l’information-consultation du comité social et économique. Un déploiement subi plutôt que décidé se prête mal à cette procédure. Voir Consultation du CSE et déploiement d’IA en entreprise.
Ces trois risques partagent une cause unique : l’entreprise ne sait pas ce qui est utilisé chez elle.
Ce que les trois études disent, ensemble
La Banque de France referme son bulletin sur une phrase qui pourrait servir de synthèse aux trois publications : « l’enjeu économique réside désormais moins dans l’adoption de l’IA que dans sa capacité à transformer durablement l’organisation et la performance des entreprises ».
C’est un déplacement de problème. Pendant deux ans, la question posée aux dirigeants était : faut-il y aller ? Les chiffres la rendent caduque — l’IA est déjà là, dans deux entreprises sur trois, souvent entrée par la porte de service.
La question de 2026 est autre : qu’est-ce qui est utilisé chez vous, par qui, pour quelles tâches, sur quelles données, et avec quel niveau de maîtrise ? Elle n’appelle pas un investissement technologique. Elle appelle un recensement, un cadre et de la compétence — et elle se pose service par service, parce que c’est à ce niveau que les besoins et les risques se distinguent. Bpifrance a déjà nommé le levier décisif : associer les équipes, parce qu’« une IA non adoptée est inefficiente ».
Elle a aussi un mérite pratique : contrairement à la précédente, on peut y répondre en quelques semaines.
C’est précisément le point de départ de notre travail : l’analyse des besoins commence par ce que les équipes font déjà, pas par ce qu’un catalogue propose. Nos formations à l’IA générative partent de l’usage réel pour le transformer en compétence encadrée — et documentée, ce qui ne nuit pas le jour où quelqu’un pose des questions. Pour la première étape, voir Former ses équipes à ChatGPT : par où commencer.
Sources — Bpifrance Le Lab, « L’IA dans les PME et ETI françaises : une révolution tranquille » (enquête auprès de 1 209 dirigeants, octobre-décembre 2024, et plus de 40 entretiens qualitatifs) · Insee Première n° 2120, « Les technologies de l’information et de la communication dans les entreprises en 2025 », juillet 2026 · Banque de France, Bulletin n° 266, « L’IA s’installe dans les entreprises françaises : une diffusion rapide, mais des gains de productivité encore limités », Véronique Genre et Léo Parpais, 3 septembre 2026