En 2025, 18 % des entreprises françaises de dix salariés ou plus déclarent utiliser au moins une technologie d'intelligence artificielle. Le chiffre a été publié par l'Insee en juillet 2026 et il circule facilement sous une forme raccourcie : « près d'une entreprise sur cinq utilise l'IA ». Cette phrase est correcte dans le champ étudié, mais elle devient trompeuse dès qu'on oublie la taille des entreprises, les secteurs exclus et ce que signifie le verbe « utiliser ».
La publication Insee Première n° 2120 permet justement de regarder derrière le total. Elle compare les enquêtes 2023, 2024 et 2025, distingue les tailles d'entreprise, décrit plusieurs familles de technologies et demande aux organisations quels obstacles elles rencontrent. La lire aide moins à célébrer une progression qu'à poser de meilleures questions.
Sommaire
- Ce que mesure le chiffre de 18 %
- Pourquoi la taille change autant le résultat
- Ce que les entreprises appellent « utiliser l'IA »
- Les obstacles déclarés
- Ce que ces données ne prouvent pas
- Questions fréquentes
Ce que mesure le chiffre de 18 %
Selon l'Insee, le taux de 18 % concerne les entreprises de dix salariés ou plus des secteurs principalement marchands, hors agriculture, finance et assurance. Il mesure une déclaration d'usage d'au moins une technologie d'IA en 2025, pas l'intensité ni les résultats de cet usage.
Une progression sur trois années
Dans le même champ, le taux était de 6 % en 2023 et de 10 % en 2024. L'Insee parle donc d'un usage multiplié par trois entre 2023 et 2025. Cette progression mesure le nombre d'entreprises entrant dans au moins une catégorie d'usage. Elle ne signifie pas que le volume de tâches confiées à ces technologies a lui aussi été multiplié par trois.
L'enquête indique également que les entreprises utilisatrices concentrent 59 % de l'emploi du champ étudié en 2025. L'Insee précise que cela ne veut pas dire que 59 % des salariés utilisent personnellement une IA. Ils travaillent dans une entreprise qui déclare en mobiliser au moins une.
Un périmètre à conserver dans la phrase
Les entreprises de moins de dix salariés ne sont pas comprises. Or elles représentent une grande partie du tissu économique français. Les secteurs agricole, financier et de l'assurance sont également hors du champ présenté. On ne peut donc pas transformer le résultat en « 18 % de toutes les entreprises françaises » sans perdre une partie essentielle de la méthode.
Cette vigilance ressemble à celle que nous proposons pour évaluer un outil d'IA : avant de regarder le résultat, il faut savoir ce qui a été mesuré, sur quel ensemble et avec quelle définition.
Pourquoi la taille change autant le résultat
En 2025, l'Insee mesure 15 % d'utilisatrices parmi les entreprises de 10 à 49 salariés, 31 % parmi celles de 50 à 249 salariés et 58 % parmi les entreprises de 250 salariés ou plus. L'écart suggère des conditions d'adoption différentes, pas une simple différence de curiosité. Les ressources disponibles, les compétences et les coûts fixes comptent.
Trois tailles, trois contextes
| Taille dans l'enquête | Part utilisant au moins une IA | Ce que le chiffre permet de dire | Ce qu'il ne permet pas de dire |
|---|---|---|---|
| 10 à 49 salariés | 15 % | L'usage déclaré reste minoritaire | Les petites équipes seraient hostiles à l'IA |
| 50 à 249 salariés | 31 % | Près d'une sur trois déclare un usage | L'usage serait généralisé dans leurs métiers |
| 250 salariés ou plus | 58 % | La majorité déclare au moins un usage | La majorité des salariés l'utiliserait |
| Ensemble du champ | 18 % | L'adoption progresse nettement | Toutes les entreprises françaises seraient couvertes |
La taille donne accès à des équipes spécialisées, à des budgets d'essai et à des données déjà structurées. Elle augmente aussi le nombre de fonctions où un usage peut apparaître.
Un écart qui se creuse
L'Insee souligne que l'usage a triplé entre 2023 et 2025 dans les entreprises de moins de 250 salariés. Pourtant, l'écart entre les moins de 50 salariés et les 250 salariés ou plus passe de 16 à 43 points. Une croissance rapide ne suffit donc pas à réduire les différences lorsque les points de départ et les capacités d'investissement sont éloignés.
Pour une petite structure, cette lecture invite à éviter l'imitation. Le bon point de départ n'est pas « que font les grandes entreprises ? », mais « quelle tâche limitée pouvons-nous décrire, tester et vérifier ? ». Notre article sur se mettre à l'IA dans une petite structure développe cette approche progressive.
Ce que les entreprises appellent « utiliser l'IA »
L'enquête regroupe plusieurs technologies : analyse de langage, production de langage, reconnaissance d'images, apprentissage automatique pour l'analyse de données ou assistance à la décision. Deux entreprises comptées dans les 18 % peuvent donc avoir des usages sans rapport. Le total additionne des portes d'entrée, pas un produit unique.
Des technologies multiples
L'Insee indique que plus de la moitié des entreprises utilisatrices recourent à au moins deux technologies. Cela peut correspondre à deux fonctions intégrées dans un même service ou à des systèmes distincts. Le résultat montre une diversité d'usage ; il ne révèle pas la fréquence, le nombre d'utilisateurs ni le degré d'autonomie accordé aux systèmes.
Une fonction peut être intégrée dans un logiciel sans être présentée comme de l'IA à l'utilisateur. À l'inverse, un produit peut employer ce terme sans préciser la méthode utilisée. Notre guide pour lire une annonce de produit « propulsé par l'IA » propose de chercher la tâche, les données d'entrée, la sortie et le protocole d'évaluation.
Des finalités différentes
Une entreprise peut mobiliser l'IA pour le marketing, la production, l'administration, la recherche, la sécurité ou la logistique. Une même technologie change de risque selon la finalité. Résumer un document interne et classer des candidatures ne demandent ni les mêmes garanties ni la même possibilité de contestation.
Le chiffre d'adoption ne dit donc rien, à lui seul, sur la pertinence. Il indique que des entreprises déclarent avoir franchi une première étape. Pour juger un usage, il faut revenir à la décision concernée, aux personnes affectées et à la possibilité de vérifier ou d'annuler le résultat.
Les obstacles déclarés
Dans la même enquête de l'Insee, 71 % des entreprises non utilisatrices déclarent ne pas voir l'utilité de l'IA et 54 % évoquent un manque d'expertise. Ces réponses décrivent des obstacles perçus ; elles ne démontrent ni qu'un usage utile existe partout ni qu'une formation suffirait.
L'utilité avant la solution
Ne pas voir l'utilité peut signifier qu'aucune tâche ne justifie le coût, que les solutions ont été mal présentées ou que l'organisation ne sait pas encore décrire son besoin. Ces situations appellent des réponses différentes. Forcer un cas d'usage pour rejoindre une statistique produit rarement une bonne décision.
Dans une discussion collective, la question la plus productive est souvent : « quel travail précis essayons-nous d'améliorer, et comment saurons-nous que c'est mieux ? ». Elle oblige à définir un point de comparaison. Sans lui, un essai peut impressionner sans apporter de preuve.
L'expertise ne se réduit pas à la technique
Le manque d'expertise peut concerner la donnée, le droit, la sécurité, l'évaluation ou le métier. Savoir lancer un outil ne suffit pas pour décider où l'utiliser. Il faut aussi savoir reconnaître une sortie invérifiable, protéger les informations confiées et garder une procédure de recours lorsque la décision touche une personne.
Nous n'avons pas déployé de programme d'adoption au nom des entreprises interrogées par l'Insee. Notre expérience est celle d'une communauté qui met des personnes de niveaux différents autour d'une même question. Ce cadre permet de repérer les mots flous et les hypothèses, mais il ne remplace ni un audit technique ni une responsabilité de direction.
Ce que ces données ne prouvent pas
Une enquête d'adoption ne mesure pas automatiquement la productivité, la qualité, la satisfaction des salariés ou le retour financier. Elle ne permet pas non plus de conclure qu'une entreprise non utilisatrice est en retard. Ces résultats demanderaient d'autres indicateurs et un suivi des usages réels.
Adoption n'est pas performance
Cocher une catégorie signifie qu'une technologie est utilisée quelque part. Cela ne dit pas si elle fait gagner du temps après vérification, si elle déplace le travail vers d'autres personnes ou si son coût complet est connu. Une expérimentation interrompue peut même fournir davantage d'apprentissage qu'un usage maintenu sans évaluation.
Les contre-cas comptent
Certaines tâches sont trop rares pour justifier un dispositif. D'autres reposent sur des données trop sensibles ou sur une décision qui doit rester explicable. Enfin, un processus instable ne devient pas meilleur parce qu'on y ajoute un système automatique. Dans ces cas, ne pas adopter peut être une décision informée.
Le bon usage du chiffre de 18 % consiste donc à ouvrir une discussion, pas à fixer une norme. Il montre une progression réelle dans un périmètre défini. Il ne dit pas ce que votre organisation devrait faire lundi matin.
Questions fréquentes
Peut-on dire qu'une entreprise française sur cinq utilise l'IA ?
Cette formulation arrondie n'est acceptable que si le périmètre est conservé. L'enquête porte sur les entreprises de dix salariés ou plus dans les secteurs principalement marchands, hors agriculture, finance et assurance. Elle mesure l'usage déclaré d'au moins une technologie en 2025. Sans ces précisions, la phrase donne l'impression que toutes les entreprises et tous les salariés sont couverts.
Pourquoi les grandes entreprises affichent-elles un taux plus élevé ?
Elles disposent généralement de plus de fonctions, de budgets et de compétences internes, ce qui multiplie les occasions de déclarer au moins un usage. Le chiffre ne permet pas d'isoler une cause unique. Il ne prouve pas non plus que chaque usage est plus avancé ou mieux évalué. La taille modifie le contexte d'adoption, pas automatiquement la qualité de la décision.
Le manque d'expertise signifie-t-il qu'il faut former tout le monde ?
Pas nécessairement. Il faut d'abord identifier l'expertise manquante : métier, données, sécurité, droit, évaluation ou technique. Une formation générale peut donner du vocabulaire sans résoudre le blocage précis. Commencez par une tâche et une décision concrètes, puis cherchez la compétence qui manque pour les examiner correctement.
Une petite structure doit-elle rattraper les grandes ?
Non. Le taux des grandes entreprises n'est pas un objectif opérationnel pour une petite équipe. Une petite structure gagne à choisir un essai limité, réversible et mesurable, ou à décider qu'aucun usage ne justifie encore le coût. Copier un dispositif conçu pour une organisation de plusieurs centaines de personnes peut créer plus de travail qu'il n'en retire.
Où discuter de ces chiffres sans jargon ?
Vous pouvez apporter une question concrète lors d'une prochaine rencontre IA Innovateurs. Les rencontres sont gratuites et ouvertes à tous les niveaux ; vérifiez simplement le thème avant de venir. Pour poser une question en amont, utilisez la page de contact. Si vous souhaitez soutenir la communauté, vous pouvez adhérer maintenant.