52 % des salariés de la zone euro utilisent l’IA, 18 % des entreprises françaises la déploient : l’écart et ce qu’il coûte

Deux institutions publiques ont mesuré l’adoption de l’intelligence artificielle cet été, avec des méthodes différentes et des résultats qui ne se contredisent pas mais qui, mis côte à côte, dessinent un problème de gouvernance rarement formulé. La Banque centrale européenne interroge les travailleurs ; l’Insee interroge les entreprises. Les premiers déclarent utiliser l’IA à 52 %. Les secondes déclarent en utiliser à 18 %.

Ce que mesure la BCE

Le 26 août 2026, António Dias da Silva, Laura Lebastard et David Sondermann ont publié sur le blog de la Banque centrale européenne une analyse de l’adoption de l’IA par les travailleurs, tirée de l’enquête Consumer Expectations Survey. Cette enquête mensuelle interroge environ 20 000 répondants dans onze pays de la zone euro. Elle mesure donc un usage déclaré par les personnes, pas un déploiement déclaré par les organisations.

La progression est nette : 26 % des travailleurs déclaraient utiliser l’IA en 2024, 41 % en 2025, 52 % en 2026. En moyenne, les utilisateurs y recourent environ trois jours par semaine.

Le gain de temps est plus modeste que le discours ambiant ne le laisse penser. L’utilisateur médian déclare économiser trois heures par semaine, soit 7,7 % de son temps de travail. Mais ce gain ne concerne pas tous les utilisateurs : 48,8 % des travailleurs déclarent à la fois utiliser l’IA et y gagner du temps. Rapporté à l’ensemble de l’économie, les auteurs estiment le gain d’efficience à environ 3,8 %.

L’écart entre profils est important. Les diplômés de l’enseignement supérieur déclarent un usage de 61 %, contre 37 % pour les niveaux de formation inférieurs. Les travailleurs jeunes devancent leurs collègues plus âgés d’environ vingt points. Par tâche, la génération et le débogage de code arrivent largement en tête, avec de l’ordre de huit heures par semaine économisées, tandis que les gains déclarés sur la recherche documentaire et la rédaction sont sensiblement plus faibles.

Dernier point, moins commenté : la perception de l’effet de l’IA sur l’emploi s’est légèrement dégradée. 41 % des répondants la jugent positive, contre 43 % un an plus tôt. L’adoption augmente, l’adhésion non.

Ce que mesure l’Insee

Le 21 juillet 2026, l’Insee a publié sous la signature de Clément Lefebvre l’Insee Première n° 2120, consacrée aux technologies de l’information et de la communication dans les entreprises en 2025. L’enquête a porté sur environ 11 000 entreprises implantées en France hors Mayotte, pour un champ couvrant près de 194 000 entreprises de dix salariés ou plus employant 13,5 millions de salariés, dans les secteurs marchands hors agriculture, finance et assurance.

Résultat : 18 % des entreprises déclarent utiliser au moins une technologie d’intelligence artificielle en 2025, contre 10 % en 2024 et 6 % en 2023. Le taux a triplé en deux ans.

La dispersion par taille est massive :

Taille de l’entreprise	Part utilisatrice d’IA (2025)
10 à 49 salariés	15 %
50 à 249 salariés	31 %
250 salariés et plus	58 %

Par secteur, l’information-communication est très en avance avec 59 %, devant les activités spécialisées et scientifiques (33 %), les activités immobilières (26 %), l’industrie manufacturière (17 %), le commerce (13 %) et la construction (10 %).

L’écart n’est pas une contradiction, c’est un diagnostic

Les deux chiffres ne mesurent pas la même chose et ne se comparent pas terme à terme : la BCE couvre onze pays et interroge des individus en 2026 ; l’Insee couvre la France, interroge des entreprises de dix salariés ou plus et porte sur l’année 2025. Le décalage temporel et le changement d’unité d’observation expliquent une partie de la différence.

Ils n’expliquent pas tout. Un salarié sur deux qui utilise l’IA dans une économie où moins d’une entreprise sur cinq déclare en déployer, cela signifie qu’une part substantielle de l’usage se fait en dehors de tout cadre organisationnel. Outils grand public sur navigateur personnel, comptes gratuits, extensions installées sans validation : ce que la littérature appelle désormais shadow AI.

Pour un dirigeant, c’est le point qui compte. L’entreprise qui déclare ne pas utiliser d’IA n’est pas une entreprise sans IA. C’est une entreprise dont l’usage de l’IA n’est ni encadré, ni documenté, ni sécurisé — alors même que les obligations de transparence de l’AI Act sont applicables depuis le 2 août 2026 et que le RGPD, lui, n’a jamais cessé de l’être. Nous détaillons ce calendrier dans notre article sur l’état du droit de l’AI Act au 1er septembre 2026.

Les freins déclarés ne sont pas ceux que l’on attend

L’Insee a interrogé les entreprises non utilisatrices sur leurs raisons. Le classement est instructif :

• 71 % ne perçoivent pas d’utilité pour leur activité ;
• 54 % invoquent un manque d’expertise interne ;
• 38 % citent une incompatibilité avec leurs systèmes existants ;
• 38 % expriment des craintes sur la protection des données.

Le premier frein n’est ni technique, ni budgétaire, ni réglementaire : c’est un problème de cas d’usage. Sept entreprises non équipées sur dix ne voient pas à quoi l’IA leur servirait. Le second, le manque d’expertise, est un problème de compétences internes.

Ces deux freins se traitent avec les mêmes leviers — identification des cas d’usage et montée en compétence — et pas du tout avec ceux que mobilisent la plupart des plans de transformation, qui commencent par l’achat d’une licence.

La donnée de la BCE éclaire d’ailleurs le premier frein sous un angle utile. Interrogés sur leurs raisons, 33 % des non-utilisateurs jugent l’IA non pertinente pour leurs tâches et 41 % déclarent ne pas être intéressés. Le désintérêt n’est pas marginal : il concerne quatre non-utilisateurs sur dix. Un plan de déploiement qui postule l’appétence est un plan qui échouera sur une large part de ses cibles.

Ce qu’il faut faire

Mesurer l’usage réel avant de décider quoi que ce soit. Une enquête interne anonyme de dix questions donne un chiffre d’usage effectif qui, dans la plupart des organisations, sera très supérieur au chiffre d’usage officiel. C’est ce delta qui doit piloter le plan, pas le budget disponible.

Traiter le shadow AI comme un risque documenté, pas comme une faute. Interdire sans alternative pousse l’usage plus loin dans l’ombre. Ouvrir un outil validé, avec une politique d’usage écrite et une liste de données interdites, ramène l’usage dans le périmètre auditable — ce qui est la condition de toute conformité.

Cibler la formation sur les métiers où le gain est mesuré, pas sur tout le monde en même temps. Les données de la BCE indiquent des gains très inégaux selon les tâches : élevés sur le développement logiciel, faibles sur la rédaction et la recherche. Un plan de formation uniforme dilue le budget sur des populations où le retour est marginal.

Documenter les cas d’usage avant d’acheter. Le frein numéro un déclaré par les entreprises françaises est l’absence d’utilité perçue. Une phase de cadrage de quelques semaines, conduite avec les opérationnels, coûte moins cher qu’une licence annuelle sous-utilisée.

Ne pas confondre adoption et adhésion. La perception positive de l’effet de l’IA sur l’emploi recule dans la zone euro. Un déploiement qui ne s’accompagne d’aucune parole claire sur l’emploi et l’évolution des postes produit de la résistance, y compris chez des salariés qui utilisent déjà l’outil à titre individuel.

---

Sources

Sources primaires

• Banque centrale européenne, « AI adoption and the productivity promise: what workers report », 26 août 2026
• Insee Première n° 2120, « Les technologies de l’information et de la communication dans les entreprises en 2025 », 21 juillet 2026

Analyses secondaires

• Insee Première n° 2061, « Les technologies de l’information et de la communication dans les entreprises en 2024 »
• OCDE, « AI and the global productivity divide »