L’IA en entreprise : pourquoi faire, avant de savoir comment

Une machine impressionnante dans un bureau, une veste suspendue à son bras : voilà l’IA promue porte-manteau. L’image est absurde. Elle pose pourtant une question assez raisonnable : qu’avons-nous prévu de lui faire faire ?

On peut acheter un abonnement, organiser une démonstration et demander aux équipes de « se mettre à l’IA ». Le lundi suivant, les devis attendent toujours, les comptes rendus aussi. Si personne n’a choisi une tâche à améliorer, l’enthousiasme risque de rester dans la salle de présentation.

Les chiffres de l’Insee méritent mieux qu’un procès en retard technologique. Ils donnent matière à discuter de l’utilité, de la formation et de ce qu’on attend d’un outil avant de l’installer au travail.

71 % et 54 % : deux réponses, pas deux camps

Dans son enquête sur les usages en 2025, publiée le 21 juillet 2026, l’Insee indique que 71 % des entreprises n’utilisant aucune technologie d’IA citent l’absence d’utilité pour leur entreprise. Dans ce même groupe de non-utilisatrices, 54 % évoquent un manque d’expertise. C’est la figure 4 de la publication.

Le dénominateur compte : ces chiffres ne concernent pas toutes les entreprises françaises. Une entreprise peut aussi déclarer plusieurs raisons. Nous n’avons donc ni deux populations séparées, ni un pourcentage unique d’entreprises qui « ne sauraient pas pourquoi ou comment » utiliser l’IA.

Autre limite : l’enquête couvre les entreprises de 10 salariés ou plus des secteurs principalement marchands, hors agriculture, finance et assurance. Elle mesure un usage organisé dans l’entreprise. Elle n’inclut en principe pas les essais ponctuels que des salariés peuvent faire individuellement avec un assistant conversationnel.

Les indépendants et les très petites entreprises peuvent se reconnaître dans les questions abordées ici. Les pourcentages de cette enquête ne leur sont pas pour autant applicables.

Ne pas voir d’utilité ne prouve pas un manque de connaissance

Il serait facile de lire le premier chiffre comme ceci : « Ces entreprises n’ont pas encore compris. » L’enquête ne le dit pas. Une réponse « pas d’utilité » peut correspondre à une activité mal servie par les outils disponibles, à un bénéfice trop faible ou à un usage pertinent qui n’a pas encore été identifié. Ces explications possibles ne sont pas départagées par ce seul résultat.

C’est important pour ceux qui vendent du conseil ou de la formation, moi compris. Nous avons à montrer quel problème mérite d’être traité et avec quelles limites. Brandir la peur de rater le train ne remplace pas cette démonstration. Surtout si le train ne passe pas par l’endroit où l’entreprise veut aller.

La bonne réponse peut être un assistant IA. Elle peut aussi être un formulaire mieux conçu, une règle de classement ou une automatisation classique. Et, parfois, le fonctionnement actuel convient très bien. Le diagnostic doit laisser ces réponses ouvertes.

L’adoption reste très différente selon la taille

En 2025, 18 % des entreprises du champ déclarent utiliser au moins une technologie d’IA. Cette part atteint 15 % parmi celles de 10 à 49 salariés, 31 % entre 50 et 249 salariés et 58 % à partir de 250 salariés, selon la figure 1 de l’Insee.

Ces écarts interdisent de parler des entreprises comme d’un seul bloc. L’Insee souligne le rôle des coûts fixes d’adoption. Le secteur d’activité compte aussi. Ces données décrivent des différences d’usage ; elles ne prouvent pas qu’utiliser davantage l’IA rend automatiquement une entreprise plus performante.

Savoir s’en servir demande plus qu’une liste de prompts

Le manque d’expertise ne disparaît pas une fois l’abonnement ouvert. L’Insee indique que 53 % des entreprises déjà utilisatrices se disent également freinées par ce manque. Attention : nous parlons cette fois des utilisatrices, et non du groupe auquel se rapportent les 54 % précédents.

Savoir formuler une demande aide. Mais il faut aussi choisir les documents accessibles, définir le résultat attendu, repérer une erreur et décider qui valide. Un compte rendu élégant qui invente une décision reste un mauvais compte rendu.

Les autres réserves ne sont pas anecdotiques. Parmi les non-utilisatrices, 38 % citent des inquiétudes sur la protection des données, 38 % un manque de clarté juridique et 32 % des coûts trop élevés. Là encore, les réponses peuvent se recouper. Une formation centrée uniquement sur la rédaction des prompts laisserait ces questions entières.

Un premier essai qui répond à une vraie question

Prenons un exemple fictif : une équipe passe du temps à transformer ses notes de réunion en liste d’actions. Le besoin tient en une phrase : retrouver les décisions, les responsables et les échéances, sans rien inventer.

Pour un premier test, on peut préparer des notes fictives ou des documents dont l’utilisation a été autorisée dans l’outil choisi. On demande une liste d’actions, avec la consigne de signaler les responsables et les dates manquants plutôt que de les compléter au hasard. Une personne compare ensuite chaque ligne avec les notes.

L’essai doit répondre à une question mesurable : le résultat vérifié est-il plus utile que celui obtenu avec la méthode habituelle ? Il faut compter la préparation, la génération, la relecture et les corrections. Un brouillon produit rapidement peut coûter cher à remettre d’aplomb.

Cet exemple est une méthode de test proposée, pas un gain de productivité observé. Aucun pourcentage d’économie n’en découle. Si les erreurs restent trop nombreuses ou si le contrôle prend plus de temps que le travail initial, on change la méthode ou on écarte cet usage. C’est aussi un résultat utile.

La formation commence par le travail réel

Je préfère une séance où l’équipe examine un document concret à une démonstration qui aligne les fonctions d’un outil. Qui prépare la demande ? Quelles données peut-on transmettre ? Que faut-il vérifier ? Qui garde la responsabilité de l’envoi final ? Ces questions donnent un contenu pratique à la formation.

Une fois un usage satisfaisant, on documente la méthode et ses limites, puis on vérifie qu’une autre personne peut la reprendre. Cela évite de confondre la réussite d’une démonstration, portée par quelqu’un qui connaît très bien l’outil, avec une pratique utilisable par toute l’équipe.

Le porte-manteau peut garder sa veste

Mon point de vue : une entreprise n’a pas à adopter l’IA pour améliorer une statistique nationale. Elle a intérêt à regarder sérieusement les tâches pour lesquelles l’outil pourrait l’aider, sans présumer du résultat. Les données de l’Insee donnent une bonne raison de mieux expliquer et de mieux former. Elles n’autorisent pas à traiter chaque refus comme de l’ignorance.

Avant de choisir un modèle ou un abonnement, je commencerais donc par cette question : quelle tâche mérite un essai, et à quoi reconnaîtrons-nous qu’il est réussi ? Si nous n’avons pas de réponse, la veste peut rester sur le porte-manteau habituel. Il fait déjà très bien son travail.

Et dans votre activité, qu’est-ce qui vous manque aujourd’hui : un usage convaincant, les compétences pour le tester ou des garanties suffisantes pour l’autoriser ?

Gardez-vous bien.

Source et méthode

Clément Lefebvre, Insee, « Les technologies de l’information et de la communication dans les entreprises en 2025 », Insee Première n° 2120, publié le 21 juillet 2026. Figure 1 : adoption selon la taille. Figure 4 : motifs de non-utilisation. Section sur le manque d’expertise et rubrique Méthodes : freins des utilisatrices et définition de l’usage organisé. Données relues pour cet article le 5 octobre 2026.

Les graphiques reprennent les données de l’Insee sans additionner les motifs de réponse. Le schéma d’essai est une proposition éditoriale JSD, pas un résultat de l’enquête. Les illustrations générées par IA sont des métaphores, pas des photographies d’entreprises interrogées. Article préparé avec l’assistance de Hermes.