II. LA DIFFUSION DES INNOVATIONS DANS LES USAGES DE L'IA
Il existe aujourd'hui un consensus assez fort parmi les décideurs politiques et les acteurs du secteur numérique quant à l'intérêt de développer des outils d'IA avancés et de soutenir la filière. Cela se traduit en France par un riche écosystème de start-up plus ou moins installées, de nombreux emplois et une communauté de spécialistes de l'IA qui s'intéresse de près au développement de nouvelles capacités. Le risque peut être alors d'aborder cette technologie par le seul prisme des experts, dont le point de vue est largement favorable à sa diffusion la plus large dans la société. D'où la multitude des appels à réfléchir aux manières de transformer la société ou l'entreprise par l'IA, comme si l'IA était une fin en soi. Faire primer la technologie sur la pertinence de son utilisation est un biais auxquelles les prouesses impressionnantes des outils d'IA peuvent facilement mener.
À l'inverse, toute discussion sur les usages de l'IA devrait d'abord se fonder sur leur utilité sociale. L'intelligence artificielle doit permettre d'« augmenter » les humains, individuellement et collectivement, cette « augmentation » ne pouvant avoir un sens uniquement matériel. Certes, chacun semble s'accorder sur l'importance de mettre l'humain au coeur de ces questions, mais ce principe est parfois perdu de vue au moment où sont prises les décisions concrètes. La notion d'intelligence artificielle centrée sur l'humain, qui a notamment suscité la création de l'Institute for Human-Centered Artificial Intelligence par Fei-Fei Li à Stanford, ne doit pas rester une idée théorique. L'IA a la capacité de bouleverser la vie sociale et économique, des pans majeurs de la vie humaine. Ses usages doivent être interrogés à l'aune de leurs impacts éventuels.
La diffusion de l'IA dans les entreprises est en cours. Soutenue par les politiques publiques nationales et européennes, elle est parfois ralentie par un manque d'acculturation. Les cas d'usage sont pourtant nombreux et les innovations récentes en démultiplient les possibilités. L'adoption relativement plus rapide de ces outils par la société fait peser le risque d'une utilisation cachée de l'IA au sein des entreprises. Articulée avec l'application des règlementations et la formation initiale et continue, la production de modèles d'IA souverains sera nécessaire à une diffusion sûre de cette technologie.
A. LA DIFFUSION DE L'IA EN ENTREPRISE EST EN COURS MAIS RECOUVRE DES RÉALITÉS CONTRASTÉES
Alors que les outils d'IA se sont généralisés auprès du grand public, la situation est plus contrastée au sein des entreprises. Le baromètre France Num réalisé en 2025 par la DGE estime que 26 % des TPE-PME utilisent l'IA. Cela correspond certes à une augmentation de 13 points par rapport à l'année précédente, mais l'usage de l'IA reste encore minoritaire. La taille des entreprises est un facteur important dans l'adoption des outils d'IA, les grandes structures étant plus avancées.
Les entreprises dont la taille le leur permettait s'étaient précédemment positionnées sur le traitement des données massives et avaient à cette fin intégré des équipes de spécialistes en science des données. Des cas d'usage avancés, comme la maintenance prédictive de systèmes industriels ou la détection automatique de défauts dans une chaîne de production, nécessitaient de disposer d'une expertise interne peu accessible, à l'origine d'une asymétrie entre petites et grandes structures.
Les innovations dans l'IA, et en particulier l'arrivée de modèles généralistes, ont pu réduire ces barrières à l'entrée. Ces modèles sont plus faciles d'accès et nécessitent un entraînement interne moins important. Cependant, les grandes entreprises gardent l'avantage car elles disposent d'équipes susceptibles d'être facilement réorientées vers ces nouveaux outils.
Les entreprises voient principalement deux raisons différentes d'adopter des outils d'IA : l'optimisation des coûts par l'automatisation plus poussée de certaines tâches, qui génère des gains de productivité ; la capacité à créer de nouveaux produits.
Les agents conversationnels servant d'intermédiaire pour la relation client peuvent assurer une tâche précédemment effectuée par des humains ; on peut aussi considérer qu'ils apportent un service nouveau grâce à une plus grande facilité d'utilisation par leurs usagers. Les outils d'IA chargés de missions d'assistance juridique comme la veille ou la rédaction assistée de clauses contractuelles sont aussi très répandus ; un gain de productivité allant jusqu'à 20 % est parfois évoqué. Cet exemple illustre la nouveauté de la révolution de l'IA pour le monde du travail, par contraste avec les révolutions industrielles précédentes : pour la première fois, ce sont les tâches intellectuelles qui sont automatisables.
L'IA peut aussi être utilisée dans les processus industriels, comme les inspections d'infrastructures et de matériels, ou pour fiabiliser les chaînes de production. Enfin, l'impact de l'IA sur la recherche ne doit pas être négligé. Elle ouvre la voie à des transformations majeures dans certains secteurs, comme la découverte de nouveaux matériaux pour l'industrie des semi-conducteurs ou le développement de médicaments. Les gains de productivité apportés par l'IA sont difficiles à quantifier ; Philippe Aghion et Simon Bunel ont proposé une estimation non exhaustive de 0,7 point de croissance chaque année pendant dix ans.
Si l'utilisation de l'IA en entreprise semble prometteuse, elle comporte aussi des risques qui ralentissent son acceptation. De nombreux chefs d'entreprise, en particulier dans les PME et ETI, qui bénéficient d'un moindre accompagnement pour s'acclimater à ces outils, sont réticents à les intégrer. Par manque d'information, ils peuvent avoir des difficultés à identifier les cas d'usage adaptés à leur entreprise. Des organisations comme le Hub France IA ou des programmes tels que Osez l'IA visent à améliorer la compréhension de cette technologie par les acteurs concernés.
Un deuxième frein important est la réticence des équipes face à l'incorporation non concertée de l'IA. La crainte de se voir remplacé par un algorithme aboutit souvent à son rejet par les personnels. La difficulté des employés à mettre efficacement ces outils en pratique ralentit aussi la diffusion de l'IA. Des chercheurs du Massachussetts Institute of Technology (MIT) estiment que 90 % des projets d'IA échouent, probablement parce que la méthode d'intégration de l'IA a été mal conçue. De ce fait, des projets mieux réfléchis, préparés avec les salariés et articulés avec une évolution de l'organisation du travail pourraient avoir une plus grande chance de succès. Ceci n'est toutefois pas toujours à la portée de toutes les entreprises. L'IA a en tout cas à terme un potentiel important de transformation des méthodes de travail, et son impact à venir sur les emplois reste difficile à prédire.