Une entreprise de dix salariés va au fond de l’IA aussi souvent qu’une de cinq mille.

En décembre 2025, la Banque centrale européenne a demandé à 5 067 entreprises de douze pays de la zone euro comment elles qualifiaient leur propre usage de l’IA. Environ 70 % déclarent un usage. Dans le détail : 27 % aucun usage, 33 % un usage très rare ou des pilotes, 31 % un usage modéré, 7 % un usage significatif, 2 % ne savent pas. Une seule enquête, une seule question, un seul échantillon — et une banque centrale qui n’a aucun intérêt à gonfler ou à minorer le résultat.

Ce sont ces 7 % qui méritent qu’on s’y arrête. Ils représentent les entreprises dans lesquelles l’IA fait partie du travail quotidien, au lieu de rester un projet mené en marge.

Répartissez maintenant ces résultats selon la taille de l’entreprise, et le constat devient dérangeant. Parmi les entreprises de moins de dix salariés, 8 % déclarent un usage significatif. Parmi celles de plus de deux cent cinquante salariés, 7 %. Dans toutes les catégories intermédiaires, la proportion reste de 7 %. Pendant ce temps, la part des entreprises qui n’utilisent aucune IA chute de 41 % chez les plus petites à 13 % chez les plus grandes.

Rapprochez ces deux constats et quelque chose ne colle plus. La taille détermine si une entreprise s’est lancée. Elle ne détermine pas jusqu’où elle est allée. Les auteurs de l’étude l’écrivent eux-mêmes : l’usage intensif reste limité à un noyau d’entreprises et se répartit à peu près également entre toutes les catégories de taille.

Ce que je trouve intéressant, c’est que cela écarte l’explication à laquelle tout le monde pense en premier. Le budget est précisément ce qui sépare une entreprise de dix salariés d’une entreprise de cinq mille. Si la profondeur s’achetait, elle augmenterait nettement avec la taille de l’entreprise. Ce n’est pas le cas.

Les entreprises disent la même chose quand on leur demande ce qui les freine. Parmi celles qui n’utilisent pas l’IA ou ne l’utilisent que très peu — un échantillon important, puisqu’il comprend de nombreuses entreprises qui ont déjà commencé à l’adopter —, 9 % seulement répondent que le coût dépasse le bénéfice attendu. Un quart citent plutôt le manque de compétences. Chaque entreprise pouvait donner deux réponses : le total dépasse donc 100 %, mais l’écart entre les réponses est net.

Une réserve que je préfère formuler clairement : il s’agit d’une enquête déclarative fondée sur une échelle à quatre niveaux. Les entreprises évaluent elles-mêmes l’intensité de leur usage. Personne n’est allé la mesurer sur le terrain.

Ce qu’ont fait celles qui ont franchi le cap

Regardez ce qu’elles ont fait, plutôt que ce qu’elles ont dépensé.

Auto Trader est la première place de marché automobile du Royaume-Uni. Elle n’a pas lancé un programme d’IA déconnecté du cœur de métier. Elle a intégré l’IA à une tâche qu’environ 11 000 concessionnaires accomplissaient déjà chaque matin : rédiger l’annonce d’un véhicule, classer ses photos et en extraire les informations qu’un acheteur regarde vraiment. En douze mois, ses outils ont généré plus de 2,5 millions de descriptions et de réorganisations d’images. Ils sont utilisés par 85 % des détaillants de la plateforme, et par 98 % de ceux qui passent par son portail clients. Sa directrice produit décrit désormais l’IA comme un élément structurant de l’entreprise, et non plus comme une expérimentation. Ce sont les chiffres d’Auto Trader, publiés par Auto Trader : à prendre comme un ordre de grandeur.

Remarquez ce qui a rendu cela possible : rien de spectaculaire. La tâche existait déjà. Elle se répétait déjà des milliers de fois par jour. Et quelqu’un savait déjà en mesurer le volume. Un pilote appliqué à une tâche que personne ne mesure n’a aucun moyen de faire ses preuves ; il rejoint alors discrètement les 33 %.

LES 3 ESSENTIELS POUR VOUS

La profondeur ne vient pas avec la taille : attendre de grandir ne change donc rien. Les chiffres restent stables de dix salariés à cinq mille. Quelle que soit la cause de cet écart entre les 7 % et les 33 %, une entreprise de n’importe quelle taille peut aujourd’hui réunir les conditions nécessaires — ou ne pas les réunir.

Étendre l’adoption et approfondir les usages sont deux chantiers différents, et seul le second produit des résultats tangibles. Une autre statistique britannique l’illustre. L’office national des statistiques rapporte que, chez les entreprises de dix salariés ou plus, l’usage déclaré d’au moins une technologie d’IA est passé d’environ 12 % fin 2023 à environ 35 % en juin 2026, tandis que le nombre moyen de technologies d’IA par entreprise utilisatrice n’est passé que de 1,4 à 1,6. Parmi ces utilisatrices, 10 % qualifient leur usage d’intensif. Deux enquêtes, deux définitions, deux pays : l’adoption s’est élargie, la profondeur n’a presque pas bougé. Les statisticiens le disent eux-mêmes, en prévenant que leur propre mesure traite tous les usages déclarés comme équivalents.

L’écart se creuse de lui-même, et c’est là que le temps presse. Dans la même enquête de la zone euro, les entreprises qui comptent consacrer la plus grande part de leur investissement total à l’IA l’an prochain sont celles qui l’utilisent déjà de façon significative : 20 % de leur investissement. Celles qui l’utilisent modérément en prévoient 11 %. Celles qui ne l’utilisent pas, 4 %. C’est la profondeur qui rend le prochain investissement justifiable, et c’est pour cela que les deux groupes s’éloignent au lieu de se rejoindre.

Ce que je ferais à votre place…

Avant de valider le prochain pilote, nommez la tâche.

Pas le service, pas l’outil, pas l’ambition. Une tâche, telle qu’un responsable d’exploitation la décrirait : une action qu’une personne accomplit déjà des centaines de fois par semaine et dont le volume est déjà mesuré quelque part dans l’entreprise. Combien de factures. Combien d’annonces. Combien de relevés ressaisis. Combien de devis rédigés.

Si ce chiffre existe, vous disposez d’un point de départ et vous pourrez mesurer le résultat : la décision finale reposera sur un calcul plutôt que sur une opinion. Si personne ne sait produire ce chiffre, l’information est encore plus utile : elle révèle que le pilote ne pourrait jamais être évalué. Or un pilote impossible à évaluer n’échoue pas ; il se prolonge par défaut.

Puis donnez à cette tâche une date de décision. Pas une date de lancement. Une date à laquelle vous comparez les deux chiffres et choisissez d’industrialiser ou d’arrêter.

Ce que nous construisons chez YPrtnrs va dans le même sens. Un moteur d’exécution, Y, votre chef de cabinet IA, qui prépare, rédige et organise, puis vous laisse la décision. Je propose, vous décidez.

Écrivez-moi si vous découvrez qu’aucun chiffre n’est associé à la tâche choisie, ou si le résultat vous surprend : arnaud@yprtnrs.com. Je lis tout et je réponds personnellement.

Dans les diagnostics que nous menons avec des PME et des ETI en Europe, celles qui avancent sont rarement celles qui ont le plus dépensé. Ce sont celles qui ont commencé par une tâche déjà mesurable.

Rien de tout cela ne condamne l’expérimentation. Un tiers des entreprises européennes en est précisément à ce stade, et c’est ainsi qu’on découvre ce qu’une technologie sait faire. Une entreprise qui cherche encore les usages où l’IA excelle a toutes les raisons de poursuivre quelques pilotes.

Ce qui ne fonctionne plus, c’est de croire que la profondeur viendra tôt ou tard avec le budget. C’est la répétition qui transforme un pilote en habitude, et seule une habitude résiste à une revue budgétaire.