L'adoption de l'IA en entreprise ne suffit pas à gagner en productivité

La France dépense presque autant que les États-Unis dans l’informatique. Les Français utilisent largement l’IA générative à titre individuel. La recherche française reste proche de la moyenne européenne. Pourtant, la productivité stagne et les entreprises françaises peinent davantage que leurs homologues américaines à intégrer l’IA dans l’ensemble de leurs activités. 

C’est le paradoxe exploré par Antonin Bergeaud et Simon Bunel dans le premier Policy Paper du LIFT - Laboratoire de l’Innovation et du Futur du Travail. Depuis 1995, la productivité horaire a progressé de 28 % en France, contre 66 % aux États-Unis. Pourtant, en 2025, la France consacre 6,5 % de son PIB aux dépenses informatiques, contre 6,8 % outre-Atlantique. Alors, où se situe le problème ? 

Les données invitent à regarder au-delà de l’accès à la technologie. Adopter l’IA est une chose. Transformer l’entreprise pour en tirer pleinement parti en est une autre.

À première vue, la France n’a rien d’un pays réfractaire à l’intelligence artificielle. En 2025, 37 % des Français âgés de 16 à 74 ans utilisent l’IA générative, à titre personnel ou professionnel, contre 33 % en moyenne dans l’Union européenne et 32 % en Allemagne. Mais au travail, le tableau change : seuls 28 % des actifs français utilisent l’IA générative, contre 43 % aux États-Unis. Et ceux qui l’utilisent y consacrent environ 7 % de leur temps de travail, contre 13 % outre- Atlantique. 

Du côté des entreprises, Eurostat estime que 18 % des entreprises françaises de dix salariés ou plus utilisent au moins une technologie d’IA, contre 26 % en Allemagne. Le retard se concentre notamment dans les PME : parmi les entreprises de 10 à 49 salariés, le taux d’adoption est de 15 % en France contre 23 % en Allemagne. Pour les grandes entreprises, les taux observés par Eurostat sont en revanche comparables dans les deux pays. Mais le taux d’adoption ne raconte qu’une partie de l’histoire. 

Adopter l’IA n’est pas encore l’intégrer 

C’est lorsque l’on regarde ce que les entreprises font réellement de l’IA qu’une différence plus profonde apparaît. Les entreprises françaises qui ont adopté l’IA générative l’utilisent autant que les américaines pour le développement de produits. Mais elles l’intègrent beaucoup moins dans les fonctions qui traversent l’organisation :

• processus internes : 56 % en France contre 84 % aux États-Unis
• marketing et ventes : 33 % contre 67 %
• ressources humaines : 25 % contre 48 %
• relation client : 21 % contre 47 %

La différence est importante. Utiliser un outil d’IA pour une tâche spécifique ne demande pas nécessairement de transformer l’entreprise. L’intégrer aux RH, au marketing, à la relation client ou aux processus internes peut en revanche nécessiter de faire circuler les données, modifier les procédures et réorganiser le travail. Autrement dit, l’expérimentation technologique peut être rapide. La transformation organisationnelle l’est beaucoup moins.

Quand la technologie avance plus vite que l’organisation

Le contraste apparaît clairement lorsque l’on interroge les salariés. Près de sept actifs français sur dix (69 %) ne sont ni encouragés par leur employeur à utiliser l’IA, ni dotés d’outils ou de formations pour le faire. Aux États-Unis, cette proportion est de 44 %. À l’inverse, seuls 17 % des actifs français sont à la fois encouragés et équipés, contre 42 % aux États-Unis. Le sujet dépasse donc la simple disponibilité d’un outil.

Pour produire des gains de productivité, l’adoption d’une technologie peut nécessiter des investissements complémentaires dans les données, les logiciels, la formation et l’organisation. Et transformer une organisation existante est coûteux.

En France, une restructuration représente l’équivalent de 38 mois de salaire par salarié concerné, contre 31 en Allemagne et 7 aux États-Unis. L’introduction de nouvelles technologies peut également nécessiter l’information et la consultation préalables du CSE. Deux tribunaux français ont ainsi suspendu en 2025 le déploiement d’outils d’IA faute de consultation menée à son terme, dont l’un était encore en phase pilote. 

Les contraintes liées aux données et au risque juridique peuvent également peser davantage sur certaines fonctions, notamment les ressources humaines ou la relation client.

Et si le problème n’était pas le manque de compétences ?

Une autre explication intuitive résiste mal aux données : les salariés français ne sauraient tout simplement pas utiliser ces technologies. La part des spécialistes des technologies de l’information dans l’emploi est pourtant quasiment identique en France et dans l’Union européenne : 4,9 % contre 5 %. Et parmi les Français qui n’utilisent pas l’IA générative, seuls 13 % déclarent ne pas savoir s’en servir. Ils sont 62 % à répondre qu’ils n’en ont simplement pas eu besoin. 

Surtout, l’usage individuel relativement élevé de l’IA en France montre que l’outil n’est pas étranger aux actifs. Le décalage semble donc se situer davantage dans les conditions permettant de passer d’un usage individuel à un usage intégré dans l’organisation.

Acheter la technologie ne suffit pas à transformer l’entreprise

Ce constat n’est d’ailleurs pas totalement nouveau. Lors de la précédente vague de diffusion des technologies de l’information, les filiales européennes de multinationales américaines parvenaient déjà à tirer davantage de productivité des mêmes technologies que les entreprises européennes. Des travaux cités par les auteurs relient notamment une partie de cet avantage à leurs pratiques managériales.

L’intelligence artificielle semble aujourd’hui reposer une question similaire. Une technologie peut être disponible, utilisée et même largement diffusée sans transformer immédiatement la productivité. Entre les deux se trouve l’entr prise elle-même : ses processus, son management, ses données, ses compétences, ses règles et sa capacité à réorganiser le travail.

Le renouvellement du tissu productif pourrait également jouer un rôle. Une entreprise créée aujourd’hui peut concevoir directement ses opérations autour de l’IA, alors qu’une entreprise établie doit modifier des procédures, des systèmes d’information et des contrats existants. Les auteurs présentent toutefois ce mécanisme comme une hypothèse qui nécessiterait des données supplémentaires pour être testée.

De l’adoption à la transformation

Le Policy Paper invite ainsi à dépasser une lecture de la révolution de l’IA fondée uniquement sur le nombre d’utilisateurs, le nombre d’entreprises équipées ou les montants investis. La question devient : que faut-il changer dans l’entreprise pour que l’IA change réellement la manière de travailler ?

Les données réunies par Antonin Bergeaud et Simon Bunel suggèrent qu’une partie importante de la réponse se trouve dans les investissements complémentaires, l’accompagnement des salariés et la capacité des organisations à adapter leurs processus. L’IA peut entrer très vite dans les usages. Transformer l’entreprise pour en tirer pleinement parti prend davantage de temps.