Adoption de l’IA en France : les nouveaux chiffres de l’Insee montrent l’ampleur du retard des PME

Le 21 juillet 2026, l’Insee a publié son enquête annuelle sur les technologies de l’information et de la communication dans les entreprises, avec pour la première fois une lecture complète de l’adoption de l’IA sur l’année écoulée : 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 — un bond de 8 points en un an, soit environ trois fois le niveau de 2023. Ce taux se rapproche désormais de la moyenne de l’Union européenne (20 %). C’est une progression réellement rapide. C’est aussi une moyenne qui cache un chiffre bien plus inconfortable pour la plupart des dirigeants.

Une moyenne qui cache un écart selon la taille de l’entreprise

Ventilé par taille, le tableau change : 9 % des entreprises de moins de 50 salariés utilisent l’IA, contre 15 % pour celles de 50 à 249 salariés, et 33 % pour celles de 250 salariés ou plus — près de quatre fois le taux des plus petites structures. L’écart se retrouve aussi par secteur : l’usage reste à 9 % dans le transport et l’entreposage, 10 % dans la construction, 12 % dans l’hébergement-restauration et 13 % dans le commerce, contre 59 % dans le secteur de l’information-communication. L’Insee note également que les entreprises utilisant déjà l’IA concentrent 66 % du chiffre d’affaires total et 59 % de l’emploi total en France — autrement dit, la minorité qui a adopté tôt pèse déjà le plus lourd dans le poids économique.

Un écart que la recherche documente aussi, pas seulement l’Insee

Ce n’est pas une singularité française. Une étude de 2025 de Serena Proietti et Roberto Magnani, Assessing AI Adoption and Digitalization in SMEs: A Framework for Implementation, portant sur les petites et moyennes entreprises italiennes, trouve le même schéma structurel : un écart significatif et persistant entre PME et grands groupes dans l’usage de l’IA, tiré moins par un manque d’intérêt que par des freins concrets — le coût, des jeux de données plus réduits et de moins bonne qualité que ceux des grandes entreprises, et un manque de compétences techniques internes pour évaluer et faire tourner un premier projet. Autrement dit, cet écart n’est pas un simple retard temporaire qui se comblera de lui-même à mesure que les outils deviennent moins chers : il traduit les trois mêmes contraintes dans toute PME, quel que soit le pays.

Ce que ça change pour une PME qui n’a pas encore commencé

Si votre entreprise compte moins de 50 salariés, un taux d’adoption de 9 % signifie que vous êtes encore dans la large majorité, pas en retard sur une courbe privée que vous devriez déjà suivre. Mais les chiffres de l’Insee montrent aussi que l’écart se creuse, il ne se referme pas — les entreprises qui utilisent déjà l’IA continuent d’accumuler des gains de chiffre d’affaires et d’emploi, tandis que les freins décrits par Proietti et Magnani (coût, données, compétences) ne se résolvent pas d’eux-mêmes en attendant. La réponse pratique n’est pas une « stratégie IA » globale, qui est précisément le type de chantier que ces freins rendent difficile à lancer. C’est de choisir d’abord un seul processus étroit, à fort volume et à faible risque.

• →Commencez par les usages que l’Insee montre en plus forte progression chez les entreprises qui utilisent déjà l’IA — l’analyse automatique de texte et l’IA générative pour les tâches administratives — plutôt que par un projet exposé au client : le tri et l’acheminement des e-mails entrants, ou la transformation de chiffres épars en un reporting automatisé, sont deux points d’entrée moins risqués qu’un chatbot.
• →Fixez un seul indicateur mesurable (heures gagnées, taux d’erreur, délai de réponse) sur un pilote de 60 à 90 jours avant de décider de l’étendre — l’objectif est une preuve, pas un déploiement généralisé dès le premier jour.
• →Traitez les freins de coût et de compétences comme l’obstacle réel, pas comme un détail : budgétez une personne (interne ou externe) capable de superviser le pilote, car un processus non supervisé est précisément là où l’écart décrit par la recherche se creuse le plus vite.

Le chiffre à retenir n’est pas 18 %, ni même 33 % — c’est que l’écart entre tailles d’entreprises se creuse, et non l’inverse, trois ans après le début de la tendance. Lancer un pilote modeste et supervisé dès maintenant coûte bien moins cher que de rattraper plus tard un écart qui s’accumule.