18 % ou 88 % : ce que les chiffres d’adoption de l’IA ne vous disent pas

Chapô

En 2026, l’adoption de l’IA en France se mesure à 18 % selon l’Insee et à 88 % selon le Stanford AI Index. L’écart n’est pas une erreur : les deux enquêtes ne comptent ni les mêmes entités, ni le même usage, ni la même définition du mot « utiliser ». Cet article démonte quatre séries statistiques publiées entre janvier et juillet 2026, montre ce que chacune mesure vraiment, et donne les trois questions à poser avant de comparer votre organisation à un chiffre.

Introduction

Quand Nadia, directrice générale d’une entreprise de taille intermédiaire de 600 personnes, a ouvert son comité de direction sur une diapositive annonçant « 88 % des entreprises utilisent l’IA », la salle s’est tendue. Deux semaines plus tard, son directeur des systèmes d’information recensait quarante usages actifs dans la maison. Personne ne savait plus si l’entreprise était en retard ou en avance. Cette scène, nos équipes la croisent chaque mois. Elle dit un problème que peu de comités posent : avant de se comparer à un chiffre d’adoption de l’IA, encore faut-il savoir ce qu’il compte. Nous démontons ici quatre séries publiées cette année, et ce qu’elles disent réellement.

Le même pays, la même année, quatre chiffres qui ne se contredisent pas

Le 21 juillet 2026, l’Insee a publié sa mesure officielle dans Insee Première n° 2120. En 2025, 18 % des entreprises implantées en France déclarent utiliser au moins une technologie d’intelligence artificielle, contre 10 % en 2024 et 6 % en 2023. Le champ est précis : entreprises de 10 salariés ou plus, secteurs principalement marchands, hors agricole, financier et assurance.

Trois mois plus tôt, le Stanford AI Index 2026 annonçait 88 % d’organisations utilisant l’IA dans au moins une fonction métier, tout en estimant qu’environ 1 % d’entre elles ont atteint un stade de maturité réel.

Entre les deux, Bpifrance Le Lab, sur une enquête auprès de 1 209 dirigeant·e·s, relève que 77 % des entreprises de taille intermédiaire utilisent l’IA générative, en hausse de 19 points en un an, mais que 17 % seulement des utilisatrices constatent un gain de temps effectif.

Et l’Apec, dans son étude « Les cadres et l’IA » de mai 2026, mesure qu’en mars 2026, un cadre en poste sur deux utilisait l’IA générative au moins une fois par semaine, contre un sur trois un an plus tôt.

Ces quatre chiffres sont exacts. Ils ne portent simplement pas sur le même objet.

Ce que chaque enquête compte réellement

L’Insee compte des entreprises, une par une, y compris les milliers de sociétés de 10 à 49 salariés qui constituent le gros du tissu économique français. C’est une mesure par tête d’entreprise, et elle écrase mécaniquement les grandes structures dans la masse des petites. La même enquête montre d’ailleurs que l’usage atteint 58 % chez les entreprises de 250 salariés et plus. La France n’est pas à 18 % partout : elle est à 18 % en moyenne d’entités.

Le Stanford AI Index interroge des organisations, majoritairement grandes, souvent internationales, dans des panels où répondent celles que le sujet intéresse. La question posée porte sur l’usage dans au moins une fonction métier, seuil très bas : un service marketing qui teste un générateur de texte suffit à faire basculer un groupe de 40 000 personnes dans la colonne « utilisateur ».

Bpifrance interroge des dirigeant·e·s sur leur perception de leur propre entreprise. Ce que la statistique enregistre alors n’est pas un usage constaté, mais une déclaration de dirigeant, avec ce qu’elle comporte d’intention et de désirabilité.

L’Apec, enfin, interroge des personnes sur leur pratique individuelle. Cette mesure est la plus proche du terrain et la plus déconnectée de l’organisation : un cadre qui utilise l’IA générative chaque semaine ne dit rien de la politique de son employeur. L’Apec relève d’ailleurs que 29 % seulement des cadres ont été formés, quand 72 % le souhaitent.

Quatre unités de mesure, donc : l’entreprise, l’organisation, le dirigeant, la personne. Aucune n’est fausse. Aucune ne répond à votre question.

« Quantifier, c’est convenir puis mesurer. »

Alain Desrosières, statisticien et sociologue de la quantification, Insee

Le chiffre que personne ne publie

Il existe une cinquième série, et c’est celle qui manque à votre comité de direction : l’usage réel, non déclaré, à l’intérieur de votre maison.

En juin 2026, KPMG mesurait que 47 % des collaborateur·rice·s du secteur privé français utilisent l’IA générative dans leur travail. Rapprochez ce chiffre des 18 % d’entreprises déclarantes de l’Insee et l’écart saute aux yeux : dans un grand nombre d’organisations, l’IA est utilisée sans être ni déclarée, ni cadrée, ni outillée.

Le 11e baromètre annuel CESIN-OpinionWay, publié en janvier 2026, confirme que le sujet a changé de statut : le recours à des services d’IA non approuvés y est désormais classé comme premier comportement à risque identifié dans les organisations françaises. Ce n’était pas le cas deux ans plus tôt.

Yasmine, directrice des ressources humaines d’un groupe de services de 2 000 personnes, l’a découvert en préparant sa politique d’usage. Sa direction estimait le déploiement à trois équipes pilotes. Un sondage interne anonyme a fait remonter des usages quotidiens dans onze directions. Elle n’avait pas un problème de déploiement, elle avait un problème de visibilité. C’est le prolongement direct de ce que nous décrivions sur les trois fractures cachées de l’adoption de l’IA : l’usage précède presque toujours le cadre.

Trois questions à poser avant de vous comparer à un chiffre

La première : qui a été interrogé ? Un panel de grandes organisations volontaires et un échantillon représentatif d’entreprises de 10 salariés ou plus ne produisent pas la même France. Si votre entreprise compte 600 personnes, le chiffre pertinent est celui des 250 salariés et plus, pas la moyenne nationale.

La deuxième : quelle unité est comptée ? Une entreprise, une organisation, un dirigeant ou une personne. Comparer votre taux d’usage individuel à un taux d’adoption d’entreprises revient à comparer un nombre de conducteurs à un nombre de véhicules.

La troisième : quel seuil vaut « utiliser » ? Un abonnement souscrit, un test dans une direction, un usage hebdomadaire, un système en production avec supervision. Ces quatre définitions circulent sous le même mot et produisent des écarts de plusieurs dizaines de points. C’est la même exigence de définition que celle qui gouverne la qualité des données dans vos déploiements.

Ces trois questions ne relèvent pas de la coquetterie méthodologique. Un comité qui se compare aux 88 % conclut qu’il est en retard et achète vite. Un comité qui se compare aux 18 % conclut qu’il a le temps et ne fait rien. Les deux se trompent avec la même sincérité, et les deux engagent des budgets sur cette erreur.

La question utile n’est pas « où en sont les autres ». Elle est : combien de nos processus critiques dépendent aujourd’hui d’un usage d’IA que nous n’avons ni recensé, ni évalué, ni gouverné. Ce chiffre-là, aucune enquête ne vous le donnera. Il se produit en interne, et il est le seul dont votre conseil d’administration ait réellement besoin.

FAQ

Pourquoi les chiffres d’adoption de l’IA varient-ils autant d’une étude à l’autre ?
Parce qu’ils ne comptent pas la même chose. L’Insee mesure des entreprises de 10 salariés ou plus et obtient 18 % pour 2025. Le Stanford AI Index interroge des organisations majoritairement grandes et volontaires, et obtient 88 %. S’y ajoutent des différences de seuil : tester un outil dans un service ou exploiter un système en production entrent souvent dans la même case.

Quel chiffre d’adoption de l’IA faut-il retenir pour se comparer ?
Celui dont le champ ressemble au vôtre. Pour une entreprise de plus de 250 salariés en France, la référence Insee pertinente est 58 %, pas la moyenne de 18 %. Pour une PME de 30 personnes, c’est l’inverse. Vérifiez toujours la taille, le secteur et le pays du panel avant de conclure à un retard.

L’écart entre usage individuel et usage déclaré est-il un problème ?
Oui, et il se documente. KPMG mesure en juin 2026 que 47 % des collaborateur·rice·s du privé français utilisent l’IA générative au travail, quand l’Insee ne recense que 18 % d’entreprises utilisatrices. Le baromètre CESIN-OpinionWay de janvier 2026 classe le recours à des services d’IA non approuvés comme premier comportement à risque en organisation.

Un taux d’adoption élevé signifie-t-il que l’IA crée de la valeur ?
Non. Le Stanford AI Index 2026 estime qu’environ 1 % des organisations utilisatrices atteignent un stade de maturité réel. Bpifrance relève que 17 % seulement des entreprises de taille intermédiaire utilisatrices constatent un gain de temps effectif. L’adoption mesure une présence, pas un résultat. Ce sont deux indicateurs distincts, à suivre séparément.

Pour aller plus loin

• L’étude source de l’Insee, Les technologies de l’information et de la communication dans les entreprises en 2025, Insee Première n° 2120, juillet 2026.
• La fiche Insee Intelligence artificielle dans les entreprises, qui détaille les technologies mobilisées et les finalités d’usage.
• L’étude de l’Apec Les cadres et l’IA 2026, sur la pratique individuelle des cadres français.
• L’enquête de Bpifrance Le Lab sur les entreprises françaises et l’IA, menée auprès de 1 209 dirigeant·e·s.

CTA

Chaque semaine, nous décryptons une donnée que les comités de direction citent sans l’avoir vérifiée. Recevez la newsletter Afervescence.

Bio auteur·rice

La rédaction Afervescence. Afervescence est un cabinet de conseil en stratégie et en IA opérationnelle qui accompagne les directions dans le cadrage et le déploiement de leurs cas d’usage. Nous croyons qu’une organisation ne réussit pas l’IA en accélérant, mais en arbitrant. Notre métier : faire croitre ce qui compte vraiment. Découvrir Afervescence.