26 % utilisent l'IA. 1 % l'ont mise au travail.

L'écart est mesuré sur 11 021 entreprises françaises — et les dirigeants ont eux-mêmes dit pourquoi

Deux chiffres, un seul document

Le Baromètre France Num 2025 interroge 11 021 entreprises françaises, dont 3 043 PME et 7 978 TPE. À la question « utilisez-vous des solutions d'intelligence artificielle », 26 % répondent oui. La proportion a doublé en un an : elle était de 13 % en 2024.

Plus loin dans le même rapport, sur la même base, une autre question : quelles solutions utilisez-vous lors de l'exploitation de ces données ? Elle est posée sur sept domaines — comptabilité, clients, RH, achats, tableau de bord, production, catalogue.

La réponse est le tableur. 45 % sur la comptabilité, 34 % sur les clients. Derrière, l'ERP et le logiciel spécialisé d'analyse, à 12 % chacun sur la comptabilité. L'IA ferme la marche à 1 %, et à 0,5 % sur la paie et sur les achats.

Les deux chiffres ne se contredisent pas. Ils mesurent deux choses différentes, et c'est précisément l'intérêt. Le premier compte les entreprises où quelqu'un se sert de l'IA. Le second compte celles où l'IA est devenue l'outil d'un travail. Entre les deux, il y a vingt-cinq points.

Ce n'est pas un défaut de prise de conscience

Bpifrance Le Lab a interrogé 1 209 dirigeants de PME et d'ETI entre octobre et décembre 2024, avec une quarantaine d'entretiens qualitatifs. Deux résultats se répondent :

58 % des dirigeants considèrent l'IA comme une question de survie à trois-cinq ans. 57 % n'ont aucune stratégie IA pour leur entreprise.

Cette enquête ne mesure pas la même chose que la précédente, et il ne faut pas les confondre : France Num compte des usages, Bpifrance recueille des intentions. Sur des populations différentes, avec des méthodes différentes.

Elle sert surtout à écarter une explication. La majorité des dirigeants a compris que le sujet engageait la survie de leur entreprise à cinq ans. Ce n'est donc pas là qu'il faut chercher.

Reste donc la vraie énigme : pourquoi des dirigeants convaincus s'arrêtent-ils à l'usage ? La réponse est dans la même enquête.

Les dirigeants ont dit pourquoi

C'est la partie que l'on cite rarement, et c'est la plus utile. Dans la même enquête, on demande aux dirigeants pourquoi ils adoptent l'IA :

• 81 % pour améliorer la performance de l'entreprise
• 45 % pour réduire les coûts
• 27 % pour faire croître le chiffre d'affaires
• 16 % pour accéder à de nouveaux marchés

Et parmi ceux qui ont effectivement adopté une IA — 387 répondants, pas les 1 209 — 94 % s'en servent pour optimiser l'existant plutôt que pour développer leur activité.

Ce qui suit est notre interprétation, et il faut la prendre pour ce qu'elle est : nous rapprochons deux enquêtes qui ne portent ni sur les mêmes entreprises ni sur les mêmes questions. Ni France Num ni Bpifrance n'écrit ceci. L'écart 26 / 1 n'est pas un problème d'exécution, c'est la conséquence logique de l'intention de départ. On n'adopte pas l'IA pour faire une chose nouvelle, on l'adopte pour faire la même chose moins cher. Or personne ne refait un processus qu'il voulait seulement accélérer. Faire gagner du temps à quelqu'un ne demande aucune refonte — c'est pour cela que le taux d'usage double en un an. Confier un livrable à une machine en demande une — c'est pour cela que l'autre chiffre reste à 1 %.

Sur quoi repose ce rapprochement

Trois appuis, d'inégale valeur.

Le plus faible : les deux enquêtes portent sur la France, sur des terrains voisins — Bpifrance fin 2024, France Num 2025 — et leurs populations se recouvrent sur les PME.

Le plus utile : le décalage de population joue contre notre lecture. Bpifrance interroge des entreprises en moyenne plus grandes, et les plus grandes intègrent davantage. Si même chez elles 94 % des adoptants se contentent d'optimiser l'existant, la proportion chez les TPE ne peut qu'être au moins aussi élevée.

Le principal : les deux enquêtes constatent séparément la même chose. Le 94 % de Bpifrance est déjà en lui-même une mesure de la superficialité de l'usage, obtenue dans ses propres données, par sa propre question. Le 1 % de France Num mesure cette superficialité autrement. Ce ne sont pas deux chiffres que notre récit relie : ce sont deux constats indépendants qui convergent.

Ce que « mettre au travail » exige réellement

Gagner du temps ne demande rien : un abonnement et un collaborateur curieux suffisent. La barrière est à zéro, ce qui explique le doublement.

Produire un livrable qu'un client reçoit demande autre chose. Il faut que la machine sache ce que « correct » veut dire chez vous :

• quelle tolérance vous acceptez, et sur quel paramètre
• quelle exception se traite comment, et laquelle remonte à un humain
• ce que vous ne signez jamais, quelles que soient les circonstances
• ce qui, dans un dossier, vous fait recommencer au lieu de corriger

Ce savoir existe. Il n'est simplement écrit nulle part. Il vit dans la tête de vos trois meilleurs, et dans des documents que personne n'a jamais formalisés — un tableur d'hypothèses, un modèle de note annoté à la main, une règle transmise oralement depuis douze ans.

C'est là que passe la ligne entre 26 et 1. Pas dans le choix de l'outil, ni dans le niveau du modèle. Dans le fait que le processus n'a jamais été conçu pour qu'une machine y travaille.

Le frein français n'est pas celui qu'on répète

On explique souvent le retard français par un manque de compétences. La mesure dit autre chose.

La Banque de France a comparé les entreprises de douze pays de la zone euro. Les entreprises françaises citent moins souvent que leurs voisines le manque de compétences en IA, et plus souvent les données, la vie privée et les questions d'éthique. L'écart d'adoption français ne s'explique ni par la taille des entreprises ni par la composition sectorielle.

Autrement dit : ce n'est pas qu'on ne sait pas faire. C'est qu'on ne sait pas où vont les dossiers, ni qui répond si quelque chose sort.

Le contre-argument, et il est solide

Une partie des 26 % n'a aucune raison d'aller vers le 1 %, et le leur reprocher serait faux.

Un dirigeant qui utilise l'IA pour rédiger ses annonces, préparer une réunion ou traduire un courrier obtient exactement ce qu'il cherchait. Le gain est réel, il est immédiat, et il ne réclame aucune refonte. Lui demander d'industrialiser cet usage serait lui vendre un chantier dont il n'a pas besoin.

L'écart n'est un problème que pour une entreprise précise : celle dont un processus récurrent, volumineux et coûteux en erreurs est aujourd'hui porté par trop peu de personnes. Pour celle-là, rester à 26 % n'est pas une économie, c'est un plafond.

Le test, en une question

Il se passe de consultant et vous pouvez y répondre ce soir :

Sur le mois écoulé, l'IA a-t-elle produit chez vous quelque chose qu'un client a reçu — ou seulement fait gagner du temps à quelqu'un ?

Si c'est la seconde réponse, vous êtes dans les 26 %, comme presque tout le monde, et ce n'est pas un défaut de volonté : l'usage a doublé en un an, les dirigeants français n'ont pas traîné.

La question suivante est la seule qui engage quelque chose : lequel de vos processus l'IA rendrait vraiment plus rentable, et de combien ? Le « de combien » n'est pas une formule. Sans une base de comparaison honnête — le coût réel du processus aujourd'hui, erreurs et reprises comprises — personne ne saura jamais si le chantier a marché.

Par où commencer

Si vous avez répondu « seulement fait gagner du temps » et que vous voyez déjà lequel de vos processus est concerné, la suite tient en vingt minutes avec la personne qui ferait le travail. On y prend deux ou trois tâches réelles, et vous repartez en sachant ce qui manque avant qu'une machine puisse les porter — y compris, le cas échéant, « pas encore ».

Vingt minutes sur un processus →

Vous ne voyez pas encore lequel ? C'est un très bon point de départ aussi. La page « Refondre un processus » dit ce qu'on y fait, ce qu'on ne fait pas, et à quelles conditions.

Ce que nous ne savons pas

Le Baromètre France Num mesure l'écart. Il n'en mesure pas la cause. L'explication que nous proposons — on adopte l'IA pour aller plus vite, donc on ne refait jamais le processus — est notre lecture, obtenue en rapprochant deux enquêtes qui n'interrogent pas les mêmes entreprises. Ni France Num ni Bpifrance ne l'écrit.

Il manque surtout ceci : personne n'a observé les deux propriétés dans les mêmes entreprises. Nous rapprochons deux distributions, pas deux comportements suivis chez un même dirigeant. Rien n'exclut donc le sens inverse — que l'optimisation de l'existant soit la conséquence d'une intégration ratée plutôt que sa cause : un dirigeant qui n'a pas réussi à confier un livrable se rabat sur le gain de temps, et déclare ensuite une motivation d'optimisation. Les données disponibles ne tranchent pas entre les deux sens.

Personne n'a publié de second point de mesure sur le 1 %. Impossible, donc, de dire que l'intégration stagne : nous savons seulement que l'usage a doublé, et qu'à la même date l'intégration se situe autour de 1 %.

Enfin, les périmètres ne sont pas interchangeables. Les 26 % de France Num incluent les TPE de moins de dix salariés et comptent l'usage de solutions grand public — un dirigeant qui se sert de ChatGPT en accès libre est dedans. Ce chiffre ne se compare pas à ceux de l'INSEE, qui portent sur les entreprises de dix salariés et plus et interrogent des technologies déployées. Deux enquêtes, deux questions, deux populations.

Nous avons depuis repris les quatre enquêtes françaises une par une — INSEE, France Num, Bpifrance, Banque de France — pour dire ce que chacune compte et laquelle citer selon la question posée : combien d'entreprises françaises utilisent l'IA.

Sources. Baromètre France Num 2025, Direction générale des entreprises, enquête Crédoc, 11 021 répondants, publiée en septembre 2025. — Bpifrance Le Lab, L'IA dans les PME et ETI françaises : une révolution tranquille, janvier 2026, 1 209 dirigeants interrogés d'octobre à décembre 2024, sous-échantillon de 387 adoptants. — Mouabbi S. & Stumpner S., « Entreprises françaises : existe-t-il un écart d'adoption de l'IA ? », Banque de France, Bloc-notes Éco n° 451, 28 mai 2026.