IA générative en entreprise : l’adoption s’envole, la productivité peine à suivre
Au début de l’année 2026, plus des deux tiers des entreprises françaises de vingt salariés et plus déclaraient utiliser des outils d’IA générative, selon l’article publié le 3 septembre dans le Bulletin n°266 de la Banque de France. Ce chiffre traduit une vitesse d’adoption nettement supérieure à celle observée lors des précédents cycles technologiques, que ce soit l’Internet d’entreprise dans les années 2000 ou les progiciels de gestion intégrée.
Les usages dominants se concentrent sur les fonctions de support et commerciales : rédaction assistée, synthèse de documents, traduction automatique, automatisation de tâches administratives répétitives. Les outils déployés sont majoritairement généralistes, assistants de type chatbot ou fonctionnalités intégrées aux suites bureautiques existantes. Les secteurs à forte intensité de connaissances, certains services professionnels et des pans de l’industrie technologique, vont plus loin : ils intègrent l’IA directement dans leurs processus de production, de R&D ou de relation client.
Cette hétérogénéité n’est pas anodine. Elle reproduit un schéma bien documenté dans l’économie des technologies : les entreprises les plus matures sur le plan numérique tirent davantage parti des nouveaux outils, tandis que celles qui partaient d’un niveau d’infrastructure plus faible s’en servent d’abord comme adjuvant à des tâches existantes. Pour les décideurs, la simple adoption d’un outil dit peu sur la profondeur de la transformation engagée.
La rentrée 2026 marque, selon plusieurs analyses publiées par Les Échos, un tournant dans ce cycle. La question posée aux dirigeants n’est plus de lancer des expérimentations, mais d’industrialiser les déploiements et d’en mesurer le retour réel. C’est précisément ce glissement, de l’outil vers la stratégie, que l’étude de la Banque de France documente avec des données inédites à cette échelle.
Des gains de productivité réels mais encore circonscrits
Si la diffusion est incontestable, les effets économiques mesurés restent, à ce stade, limités. La Banque de France le formule sans détour : les gains de productivité observés sont concentrés sur certains types de tâches et de secteurs, tandis que les impacts sur les coûts, les prix et l’emploi restent encore à venir selon les anticipations des entreprises elles-mêmes. Ces dernières ne prévoient pas de baisser leurs prix de manière significative, ce qui laisse supposer que les gains de productivité viendront d’abord renforcer les marges plutôt qu’alimenter une concurrence par les prix au bénéfice direct du consommateur.
Ce constat renvoie à un phénomène bien connu des économistes : le paradoxe de la productivité. Une technologie largement diffusée peut mettre des années à se traduire dans les agrégats macroéconomiques. Jacques Attali, dans une intervention publiée par Les Échos fin août, fait le parallèle avec le moteur électrique : inventé à la fin du XIXe siècle, il n’a transformé l’organisation des usines, et donc la productivité mesurable, que plusieurs décennies plus tard, lorsque les bâtiments eux-mêmes ont été repensés autour de la technologie.
Le contexte macroéconomique français rend ce décalage particulièrement visible. Le PIB a reculé de 0,2 % en volume au premier trimestre 2026, puis stagné au second, ramenant l’acquis de croissance pour l’année à 0,3 % seulement, selon les données de l’Insee reprises par Les Échos. Dans cet environnement de croissance quasi nulle, la promesse d’un rebond de productivité porté par l’IA est réelle, mais son calendrier reste incertain. Les entreprises qui ont déployé rapidement des outils généralistes peuvent avoir optimisé des tâches en périphérie de leur activité sans pour autant revoir leurs processus en profondeur.
L’étude de la Banque de France pointe par ailleurs un impact «modérément négatif» attendu sur l’emploi à un horizon de trois ans. Cette formulation prudente ne signifie pas une vague de suppressions de postes, mais une réallocation des tâches : les fonctions les plus routinières et codifiables sont progressivement absorbées par les machines, tandis que les fonctions à forte valeur ajoutée cognitive résistent mieux. Pour les directions des ressources humaines, c’est d’abord une contrainte de gestion prévisionnelle des compétences, pas une simple variable d’ajustement des effectifs.
Un enjeu de compétitivité qui dépasse les seules frontières françaises
Le débat sur l’efficacité productive de l’IA ne se joue pas uniquement entre entreprises françaises. Il s’inscrit dans une compétition mondiale pour les infrastructures et les modèles, dont l’ampleur financière est sans précédent. En août 2026, Nvidia a annoncé un accord portant sur 500 milliards de dollars avec de grands acteurs financiers américains pour financer de nouvelles infrastructures d’IA. Dans un billet de blog publié fin août, la Banque centrale européenne relève que les grands groupes technologiques américains recourent de plus en plus au marché obligataire de la zone euro pour financer leurs centres de données, dont la consommation électrique est considérable.
Cette mobilisation de capitaux à l’échelle planétaire crée une asymétrie que les entreprises françaises ne peuvent ignorer. Elles sont utilisatrices d’outils développés et hébergés ailleurs, sur des infrastructures qu’elles ne contrôlent pas. Le World Economic Forum, dans son rapport annuel 2025-2026, identifie parmi ses priorités pour la compétitivité européenne l’amélioration des conditions d’innovation et le développement des technologies émergentes. C’est là que la question des gains de productivité de l’IA rejoint celle de la souveraineté industrielle.
Philippe Aghion, dans une tribune publiée par Les Échos, rappelle que la richesse par habitant de la France a reculé de 37 % par rapport aux États-Unis depuis 1995. Il propose, avec plusieurs économistes, de réorienter des financements publics vers les technologies d’avenir pour tenter de combler cet écart. Si l’IA offre une fenêtre pour réduire ce différentiel de productivité, elle ne le fera qu’à condition d’investissements coordonnés dans la formation, les infrastructures numériques et la transformation des modèles organisationnels. La vitesse d’adoption des outils, documentée à plus des deux tiers des entreprises françaises, n’est qu’un préalable.
La Banque de France a fourni une photographie inédite et chiffrée de la réalité de l’IA dans les entreprises françaises en 2026. Ce qu’elle révèle n’est ni décourageant ni euphorisant : l’outil est là, massivement présent, mais le travail de transformation qui libérera son plein potentiel est encore largement devant nous. Dans un pays où la croissance peine à redémarrer et où la pression sur la compétitivité s’accentue, la capacité à passer du stade de l’adoption à celui de la transformation profonde sera l’un des vrais marqueurs de la rentrée économique 2026.