Si on écoute les chiffres, c’est déjà fait. Selon l’enquête de conjoncture Bpifrance Le Lab (janvier 2026), 55% des TPE-PME françaises utilisaient l’IA générative fin 2025, contre 31% un an plus tôt. La bascule a eu lieu, au moins sur le papier.
Le problème, c’est que le taux d’adoption ne dit rien de ce qui se passe derrière. Et c’est là que ça se complique.
Adopter, ça veut dire quoi au juste
Quand une étude annonce qu’une entreprise “a adopté l’IA”, elle compte souvent un dirigeant qui ouvre ChatGPT pour reformuler ses mails. C’est utile mais ça ne transforme pas l’entreprise pour autant.
L’étude AWS-Strand Partners publiée cette année pose le bon thermomètre. Parmi les entreprises qui ont adopté l’IA, près des deux tiers en font un usage basique : automatiser une tâche répétitive, brancher un outil prêt à l’emploi. Seules 19% sont arrivées au stade où l’IA est intégrée dans les processus métier, là où elle sert à créer de nouveaux services ou à repenser une façon de travailler.
Autrement dit, la plupart des entreprises en sont à ce premier stade, celui de l’outil pratique qu’on ajoute sans rien changer au fond.
Bpifrance arrive au même constat par un autre chemin. Chez les TPE et PME qui utilisent l’IA générative, l’usage reste concentré sur les fonctions support : veille, marketing, rédaction de contenus. Des tâches périphériques, rarement le cœur de l’activité.
Le paradoxe qui résume la situation
Voici un des chiffres les plus marquants. Selon l’étude Bpifrance Le Lab « L’IA dans les PME et ETI françaises : une révolution tranquille » (juin 2025), 58% des dirigeants de PME-ETI jugent l’IA importante pour la survie de leur entreprise à horizon trois à cinq ans. Et 57% reconnaissent ne pas avoir de stratégie IA formalisée, une proportion quasi identique.
On a donc une moitié de patrons convaincus que c’est vital, qui avancent sans feuille de route. L’urgence est ressentie, l’exécution ne suit pas. C’est ce qui explique pourquoi tant de projets restent au stade de l’expérimentation sans jamais devenir un levier.
Le frein principal n’est ni le budget, ni la technique. C’est le manque de compétences internes, cité par 61% des dirigeants. Acheter un outil prend cinq minutes. Apprendre à ses équipes à s’en servir pour de bon, c’est autre chose.
Ce qui sépare les projets qui marchent des autres
Le tableau n’est pas qu’une liste de freins. Les projets bien menés affichent des résultats concrets, et ce qui les distingue se résume assez bien.
| Projets qui patinent | Projets qui tiennent | |
|---|---|---|
| Point de départ | ”Il faut qu’on fasse de l’IA” | Un problème métier identifié |
| Périmètre | Flou, qui s’étire | Défini dès le début |
| Formation | Absente ou bâclée | Intégrée au déploiement |
| Mesure | Aucune | ROI suivi, objectifs clairs |
Le dénominateur commun des réussites, c’est un périmètre clair dès le départ. Les baromètres parlent d’un taux de réussite autour de 80% quand le cadre est posé d’entrée, contre des résultats bien plus aléatoires pour les projets lancés sans savoir quel problème on cherche à résoudre. La leçon est moins sexy qu’une démo d’agent autonome, mais c’est elle qui sépare les deux colonnes du tableau.
Alors, on en est où
À un moment de bascule un peu bancal. L’adoption de surface est massive et personne ne reviendra en arrière. Mais le gros du travail reste devant : passer de l’usage gadget à celui qui change quelque chose dans le métier.
Pour une PME aujourd’hui, la question n’est plus de savoir s’il faut s’y mettre. Ce train est parti. La vraie question, c’est de choisir entre monter un énième chatbot pour cocher une case, ou identifier le point précis où l’IA ferait gagner quelque chose de réel et former les gens qui vont l’utiliser.
La technologie est prête. La plupart des entreprises ne le sont pas encore. C’est plutôt une bonne nouvelle : ça veut dire que l’avantage reste à prendre, pour celles qui choisissent la profondeur plutôt que l’affichage.
Envie d'en savoir plus ?