IA en entreprise : les chiffres Insee 2025 par taille et secteur

En bref : selon l’Insee Première n° 2120 paru le 21 juillet 2026 (Clément Lefebvre, enquête TIC entreprises 2025), 18 % des entreprises implantées en France de 10 salariés ou plus déclarent utiliser au moins une technologie d’intelligence artificielle en 2025, contre 10 % en 2024 et 6 % en 2023. Le taux a triplé en deux ans et se rapproche de la moyenne de l’Union européenne (20 %). Mais l’écart entre petites et grandes entreprises se creuse : 15 % sous 50 salariés, 58 % à 250 salariés et plus.

Correction du 23 septembre 2026 : la première version de cet article présentait par erreur les taux par taille de 2024 (9 %, 15 %, 33 %) comme ceux de 2025. Les chiffres ci-dessous sont ceux de la figure 1 de l’Insee.

Taux d’usage de l’IA par taille d’entreprise, 2023-2025

Le rattrapage est réel : entre 2023 et 2025, l’usage de l’IA a triplé dans les entreprises de moins de 250 salariés. Mais comme elles partaient de plus bas, l’écart en points s’est creusé : 16 points entre les moins de 50 salariés et les 250 et plus en 2023, 43 points en 2025. L’Insee attribue cet effet de taille aux coûts fixes d’adoption. Les entreprises de moins de 50 salariés représentent 85 % du champ de l’enquête : ce sont elles qui tirent la moyenne vers le bas. Face à l’Europe, les entreprises françaises de 50 à 249 salariés sont désormais au niveau de l’UE, celles de 250 salariés ou plus 3 points au-dessus, et celles de moins de 50 salariés encore 2 points en dessous.

Par secteur : de 9 % à 59 %

Le taux brut sous-estime certains secteurs. Pondéré par l’emploi, 66 % des emplois du transport et de l’entreposage se trouvent dans une entreprise qui utilise l’IA, alors que seules 9 % des entreprises du secteur l’utilisent : les grands groupes l’ont adoptée. Les entreprises utilisatrices concentrent désormais 66 % du chiffre d’affaires et 59 % de l’emploi du champ, contre 49 % et 40 % en 2024 — ce qui, précise l’Insee, ne veut pas dire que 59 % des salariés utilisent eux-mêmes l’IA.

Pourquoi les entreprises n’y vont pas : les freins déclarés

Les entreprises qui utilisent déjà l’IA citent les mêmes freins pour aller plus loin : 53 % le manque d’expertise, 43 % la protection des données, 42 % le manque de clarté juridique et 33 % les coûts. L’usage reste aussi étroit : parmi les utilisatrices, 56 % pratiquent la fouille automatique de texte et 43 % l’IA générative de texte ou de parole, et 73 % disent s’en servir pour optimiser leurs coûts (gain de temps ou de main-d’œuvre, automatisation de tâches répétitives).

Ce que la recherche ajoute

À partir de la même enquête TIC (données 2018), Flavio Calvino et Luca Fontanelli (Research Policy, 2026) distinguent les entreprises qui achètent de l’IA à un prestataire de celles qui la développent. Les acheteuses sont plus grandes que les autres, mais l’écart s’explique par leur équipement numérique : ce sont les autres technologies numériques, les compétences et l’infrastructure qui comptent. Les utilisatrices sont plus productives, mais surtout parce que ce sont les entreprises déjà productives et numérisées qui adoptent l’IA — sauf pour celles qui la développent elles-mêmes, où le lien avec la productivité reste significatif.

Une revue systématique de Leon Oldemeyer, Andreas Jede et Frank Teuteberg (Management Review Quarterly, 2024) recense 27 difficultés rencontrées par les PME qui adoptent l’IA ; les plus fréquentes sont le manque de connaissances, les coûts et une infrastructure insuffisante — les mêmes que dans l’enquête de l’Insee.

Pour une PME qui n’a pas commencé : par où prendre le sujet

• →Le premier frein déclaré par les petites entreprises n’est pas le coût mais « pas d’utilité » (71 %). Partez d’une tâche précise, répétitive et mesurable — tri des e-mails entrants, relance des factures, synthèse de documents —, pas d’un outil.
• →Le deuxième est l’expertise (53 %). Prévoyez une personne, en interne ou à l’extérieur, qui supervise le premier usage et vérifie ce qu’il produit.
• →Traitez tôt la protection des données et le cadre juridique, cités par plus d’un tiers des entreprises : quelles données l’outil voit, où elles sont hébergées, qui y a accès. Voir notre article sur la note de la CNIL sur l’IA agentique.
• →Mesurez un indicateur avant et après (temps passé, délai de réponse, taux d’erreur) sur quelques semaines avant d’étendre.
• →L’équipement numérique compte plus que l’outil d’IA lui-même (Calvino et Fontanelli) : des données propres et des logiciels qui communiquent entre eux sont souvent le vrai premier chantier.